大数据

    图片丢失啦

    默认 最新文章 浏览次数
    Please wait a minute...
    选择: 显示/隐藏图片
    1. 树状结构大数据类型的高效支持
    陈世敏
    大数据    2018, 4 (4): 35-43.   DOI: 10.11959/j.issn.2096-0271.2018038
    摘要607)   HTML20)    PDF(pc) (1066KB)(1135)    收藏

    传统的关系数据模型难以满足大数据应用日益丰富的数据表达和处理的需求,因此实践中涌现了多种非传统的大数据类型。其中,以JSON为代表的树状结构大数据类型被广泛应用,具有重要的理论意义和实用价值。系统介绍了树状结构大数据类型,并探讨如何高效支持树状结构大数据的分析运算。

    图表 | 参考文献 | 相关文章 | 多维度评价
    2. 大数据分析与应用技术创新平台
    张平文, 鄂维南, 袁晓如, 傅毅明
    大数据    2018, 4 (4): 86-93.   DOI: 10.11959/j.issn.2096-0271.2018043
    摘要1047)   HTML116)    PDF(pc) (870KB)(1333)    收藏

    针对我国大数据挖掘与分析能力弱、大数据算法应用和综合能力不高等问题,系统地介绍了大数据分析与应用技术创新平台的总体技术框架,详细分析了我国大数据分析与应用五大共性技术存在的不足和解决思路,并阐述了创新平台中四大支撑平台的设计思路与应用方向,最后对大数据分析与应用技术国家工程实验室未来的发展方向和重点工作进行了介绍。

    图表 | 参考文献 | 相关文章 | 多维度评价
    3. 工业大数据分析综述:模型与算法
    王宏志, 梁志宇, 李建中, 高宏
    大数据    2018, 4 (5): 62-79.   DOI: 10.11959/j.issn.2096-0271.2018051
    摘要1344)   HTML211)    PDF(pc) (998KB)(2935)    收藏

    随着条形码、二维码、RFID、工业传感器、自动控制系统、工业互联网、ERP、CAD/CAM/CAE等信息技术在工业领域的广泛应用,大量与工业生产活动相关的数据被实时采集并存储到企业的信息系统中。对这些数据进行分析,有助于改进生产工艺、提高生产效率、降低生产成本,为实现智能制造奠定基础。因此,工业大数据分析引起了工业界和学术界的广泛关注。模型和算法是大数据分析理论和技术中的两个核心问题。介绍了工业大数据分析的基本概念,综述了几种流行的工业大数据分析模型在工业大数据分析领域的应用情况以及相应求解算法方面的研究成果,并探索了大数据分析模型和算法的未来研究方向。

    参考文献 | 相关文章 | 多维度评价
    4. 大数据系统软件创新平台与生态建设
    王建民, 王晨, 刘英博, 刘璘
    大数据    2018, 4 (5): 104-112.   DOI: 10.11959/j.issn.2096-0271.2018054
    摘要591)   HTML64)    PDF(pc) (1720KB)(820)    收藏

    针对大数据系统软件开源生态发展现状、大数据系统软件技术与领域应用发展的迫切需求与工程化瓶颈,系统地介绍了大数据系统软件共性技术的研发思路以及大数据系统软件国家工程验室研制的“数为平台”的技术架构,包括大规模多源异构数据的一体化管理、异构数据的交互式分析框架、数据可视化与智能数据工程、大数据混源软件可信验证、领域大数据应用开发与运行环境等。给出了基于平台建设开放的大数据软件创新平台与生态的模式,并在工业制造业、气象环保服务领域开展应用示范。

    图表 | 参考文献 | 相关文章 | 多维度评价
    5. 新工科背景下的大数据教学体系建设探析
    王元卓, 于建业
    大数据    2018, 4 (6): 11-18.   DOI: 10.11959/j.issn.2096-0271.2018056
    摘要77)   HTML2)    PDF(pc) (1086KB)(52)    收藏

    大数据产业迅猛发展,对大数据人才培养提出了巨大挑战。如何有效地融合跨学科、交叉领域的知识,构建大数据教学体系,是当前高校大数据专业建设面临的问题。从新工科角度出发,对大数据教学体系建设中的人才培养要求、课程体系、教材体系和实践教学体系进行了探讨,并对当前一些政产教融合的探索进行了介绍,最后对促进大数据专业建设的关键点进行了讨论。

    图表 | 参考文献 | 相关文章 | 多维度评价
    6. 大数据技术原理与应用课程建设经验分享
    林子雨
    大数据    2018, 4 (6): 29-37.   DOI: 10.11959/j.issn.2096-0271.2018058
    摘要87)   HTML4)    PDF(pc) (944KB)(58)    收藏

    大数据专业人才的培养是世界各国新一轮科技较量的基础,高等院校承担着大数据人才培养的重任。大数据专业作为典型的“新工科”专业,在课程体系建设方面还处于摸索阶段。首先剖析了大数据课程建设的难点,然后介绍了厦门大学建设的大数据课程体系,包括入门级课程、进阶级课程和实训课程,最后分享了大数据技术原理与应用课程建设的经验与方法,包括课程定位、培养目标、预备知识、大数据与云计算课程之间的知识切割、课程内容与学时安排、课程教材、实验环境搭建、配套资源建设、在线服务平台、线下培训与交流等。

    图表 | 参考文献 | 相关文章 | 多维度评价