教学课程资源库 更多>>

关键词： 安全监督   “两票”   作业计划   大数据分析   可视化看板  

摘要： 随着数字经济的发展,数据已经成为企业的重要战略资源。传统的安全监督难以发现问题背后的根源,因此电网企业安全监督数字化大势所趋。文章主要介绍利用大数据分析技术,在建立作业安全监督数据算法模型的基础上,利用数智彩虹可视化平台建立基于安全监督的大数据可视化分析,实现对电网企业作业安全监督数据的深入挖掘,提高电网作业作业风险管控能力和安全监督能力。

关键词： 大数据   高校   教学质量   监控   评价  

摘要： 针对当前的教学情况进行质量监控与评价,能够促使高校教师及时发现当前教学当中存在的问题,同时进行改善。基于此,就可以借助互联网优势,利用大数据分析能力和数据挖掘技术对当前的课堂教学情况进行全面监控,从而不断发现问题并构建起完善的教学质量评价体系。基于此,以下将针对当前高校教育质量监控存在的问题进行深入剖析,之后分析其建设价值,并提出相应的提升策略。

关键词： 供应链管理 数据处理  

ISBN: (纸本)9787576318234

摘要： 本书共有9个学习单元，每个学习单元都包含知识目标、技能目标和素质目标，教材内容反映了行业发展的新趋势，能满足行业企业对高素质高技术技能人才的需求。同时，在本书的编写过程中加入了思政元素，潜移默化培养大学生人才的思想道德。本书可作为高职高专院校、成人高校供应链管理、经管、物流管理、国贸、营销等专业的教学用书，也可作为其他专业学生和供应链管理与物流人员的培训教材。

关键词： 大数据技术   Hadoop   大数据分析  

摘要： 高职高专层次的会计学专业已经改名为大数据与会计专业近两年时间了,随着专业名称的改革,专业课程的改革也在不断深入,专业都会开设一门课程《大数据技术基础》课程,作为学生进一步学习大数据与会计专业课程的基础,这门课程应该讲授一些什么内容,课程如何适应教学改革与学生的知识接受程度,本文尝试探索梳理课程内容相关话题。思考课程应该讲授的内容,学生应该掌握的知识和技能。

关键词： 大数据分析   学生行为   数据挖掘   行为预警  

摘要： 近年来,随着计算机技术的快速发展,很多高校也加快了教育信息化的步伐,教育行业的数据也在快速增长,作为数据的管理者,如何从这些复杂的海量数据中挖掘有用的数据,发现数据的潜在价值,并能利用所得到的数据改进教育教学方法,提高教学质量及提升学生的素养,将是我教育行业的大数据发的重要发展路径。文章从高职院校建设智慧校园出发,通过对学生的消费、生活、学习等习惯,结合各类评价指标体系,利用数据挖掘技术及大数据分析,找到数据中的规律,挖掘出数据的价值,从而建立学生行为预警管理、教学管理等决策辅助系统,为学校的管理者提供决策依据。

关键词： 交通运输大数据   智能交通系统   高速公路  

摘要： 在科技不断创新的背景下,我们进入了交通大数据时代,交通大数据具有大量化、多元化、快速化的特点,为智能高速交通系统的建设提供了有利条件。文章首先阐述了智能高速的交通系统大数据;然后介绍了在智慧高速公路等交通运行管理应用中交通大数据分析的优点;然后从交通状况大数据分析、车辆逃税稽查、公众出行管理等的角度;最后对交通运输大数据分析技术的实际运用进行简要介绍,为建立基于"交通大数据+高速公路管理"的智能运输管理模式提供必要的应用参考。

关键词： 医院绩效管理   大数据   支撑  

摘要： 医院的绩效管理作为医院精细化管理中的一环,是十分重要的部分,如何充分运用绩效基础数据并发挥其内在价值成为提升绩效管理的关键。基于此,医院应以医疗大数据作为数据支撑,更加全面系统地反映其绩效数据的内在价值,使绩效管理更科学、更透明、更公正,保证医院绩效管理目标的实现,促进医院良性发展。

关键词： 支架式教学   智慧教学   面向对象程序设计   教学设计   大数据分析  

摘要： 针对面向对象程序设计课程教学实践中只重视记忆理解而忽视分析创造高阶思维能力培养的问题,提出一种智慧支架教学法,介绍使用该方法进行教学设计的过程,最后说明其在课程教学中初步应用的效果。

关键词： 锆石   微量元素   成因   大数据分析   机器学习  

摘要： 锆石是在自然界中多种温压条件下能够稳定保存,并记录原岩年龄信息的副矿物。锆石微量元素能完整记录地质演化过程信息。通过微量元素分析锆石成因的研究已久,通常利用Th-U图解和La_(N)-(Sm/La)_(N)图解等二元图解对锆石进行分类研究。然而,随着锆石研究的深入,以及二元图解无法呈现数据高维度信息的局限性,传统图解已经不能满足对锆石类型进行准确判别,且对已知类型的锆石出现判定偏差。因此,本文将地质大数据与机器学习相结合,训练出高维度锆石成因分类器。文中收集了3 498条不同成因类型的锆石微量元素数据,并通过测试和运用随机森林、支持向量机、人工神经网络和k近邻等4种机器学习算法,最终得出准确率为86.8%的线性支持向量机锆石成因分类器,用于锆石类型的判定与预测。这项工作为锆石分类研究提供了更高维度的判别手段,极大提高了微量元素分析成因结果的精度。将锆石微量元素数据与机器学习方法相结合,是大数据分析与机器学习技术在地球化学研究中的积极探索。