ISBN: (纸本)9787563568031

关键词： 财务管理   数据处理   高等学校   教材  

ISBN: (纸本)9787576321029

摘要： 本书读者主要面向高职高专院校财经类专业，从内容选取到表现形式更贴近学生、贴近会计实务，力求更好地为专业人才培养服务。本书以财务分析岗位的职业能力为本位，选择其典型工作任务，设计理实一体化的学习任务。大数据、人工智能技术的发展，推动了财务工作向智能化过渡，财务人员需要向管理型复合型人才转型，需要具备大数据收集、处理、分析能力，综合运用Python等大数据分析工具做出财务分析、预测和决策。本书在学习任务中，融入“业财一体”财务分析的理念、大数据分析思维的锻炼、数据统计和分析能力的培养、大数据分析工具应用的实战场景，体现教学内容高阶性和创新性。本书根据大数据财务分析的岗位能力和财务分析的应用场景，将教材内容分为五大学习领域：财务报表初步分析、财务报表项目分析、财务比率分析与综合分析、投资分析与决策、Python项目实战。每个学习领域按照岗位工作流程划分学习任务。

关键词： 云计算技术   计算机数据   处理   实践  

摘要： 随着科学技术的不断发展,我国已经步入信息化时代,信息时代下衍生出了诸多能够促进我国发展的技术,其中云计算技术可以为计算机数据处理提供更加简单和快捷的渠道,提升计算机数据处理结果的精准度.但是云计算技术在计算机数据处理中的应用也存在一定的安全隐患等问题.基于此,本文对云计算技术在计算机数据处理中的实践应用进行深入探究.

关键词： 业财融合   财务信息系统   集团医院   数据处理   信息孤岛  

摘要： 随着新技术的不断应用,医疗行业的快速发展为财务管理带来了新的挑战,如何充分利用信息技术手段对财务管理的内涵进行科学的评价,有效应用财务信息技术,已经成为行业关注的焦点.结合"互联网+"时代背景和医院发展需求,集团医院应充分利用现代信息手段在财务管理中发挥作用.

关键词： 航测遥感   业内数据   数据处理   关键技术  

摘要： 在近几年来我国社会经济的快速发展,让城市化建设的规模不断扩大,在大规模的建设工作中,为了能够加强工程建设的效果和质量,就需要保证航测遥感技术的有效使用,及时对各种空间数据和地理信息数据进行处理,加强数据信息的优化与完善效果,对全数字控制空间信息的生产流程进行创新,避免数据采集不完整、不规范的情况出现,进而更好的保证对数据的掌控效果。本文主要针对航测遥感业内数据处理的关键技术进行分析,希望能够为行业的发展奠定基础与保障。

关键词： 支撑剂   性能检测   数据处理   压裂   实验  

摘要： 为提高压裂用支撑剂室内性能检测实验效率,依据行业标准《SY5108—2014水力压裂和砾石充填作业用支撑剂性能测试方法》编制了支撑剂性能评价子步骤最优化程序及数据处理软件,能够优化实验子步骤并智能快速处理实验数据,将支撑剂性能室内实验检测七大方面细分为几十个子步骤并进行最优组合。该方法显著提高了支撑剂性能检测效率,平均单个支撑剂样品的检测时间可节省48%,相应的人工成本也降低48%。

关键词： 大数据技术   交通大数据   数据处理分析   数据处理与分析   可视化图表   实验教程   应用性   技术性  

摘要： 本书的主要特色是强化交通大数据的技术性与应用性,用大量的实际案例和可视化图表简明扼要、深入浅出地介绍了交通大数据的相关理论知识及技术,针对常见的交通数据处理与分析问题提供了20个实验教程,方便读者快速再现案例中的数据处理分析过程,为读者利用大数据技术解决实际交通问题提供了具体思路和方法。

关键词： 三维激光扫描   倾斜摄影   古建筑   点云   数据处理  

摘要： 针对单一测绘技术的局限性,本文研究了三维激光扫描和倾斜摄影技术的数据融合在古建筑测绘中的应用。通过结合古建筑实例,探讨了大体量古建筑三维点云的获取与数据处理流程,并总结了融合多源点云数据的方法。研究结果表明,结合多源测绘技术,能够弥补单一技术的局限性,从而获取全方位的点云数据,为古建筑保护提供了重要的数据支撑。

关键词： 地震预警系统   震级偏差   山西  

摘要： 山西地震预警台网2022年成功处理并产出了多次地震预警信息。从台网布局、预警处理产出及右玉Ms4.0级预警处理结果来浅析山西地震预警能力。结果表明,山西地震预警网使用的两套地震预警系统产出的预警结果发震时刻、震中位置总体稳定可靠,但震级整体偏大。对3种类型台站的震级偏差进行分析,发现一般站震级偏差最大,其次是基本站和基准站。总体来看,山西地震预警系统台网运行基本正常,具备一定的地震预警能力。

关键词： 大数据系统   Java虚拟机   分布式系统   自动内存管理  

摘要： 当前,以Hadoop、Spark为代表的大数据处理框架,已经在学术界和工业界被广泛应用于大规模数据的处理和分析.这些大数据处理框架采用分布式架构,使用Java、Scala等面向对象语言编写,在集群节点上以Java虚拟机(JVM)为运行时环境执行计算任务,因此依赖JVM的自动内存管理机制来分配和回收数据对象.然而,当前的JVM并不是针对大数据处理框架的计算特征设计的,在实际运行大数据应用时经常出现垃圾回收(GC)时间长、数据对象序列化和反序列化开销大等问题.在一些大数据场景下,JVM的垃圾回收耗时甚至超过应用整体运行时间的50%,已经成为大数据处理框架的性能瓶颈和优化热点.对近年来相关领域的研究成果进行了系统性综述:(1)总结了大数据应用在JVM中运行时性能下降的原因;(2)总结了现有面向大数据处理框架的JVM优化技术,对相关优化技术进行了层次划分,并分析比较了各种方法的优化效果、适用范围、使用负担等优缺点;(3)探讨了JVM未来的优化方向,有助于进一步提升大数据处理框架的性能.