“青苔数智融合”协同创新项目
“青苔数智融合”协同创新项目基金旨在通过大数据和人工智能融合相关的科研课题研究,为大数据、人工智能和云计算等领域科学研究、教学实践以及双创提供支持和服务,推动相关领域产学研合作的进一步发展和深度应用,为国家新旧动能转换以及产业升级注入新的动力。
基金计划在未来5年内,在全国范围内遴选百所高校,关注大数据、人工智能以及云计算领域内的科研创新,培养更多的掌握大数据和人工智能技能的人才,助力地方经济产业升级,助推“大众创业万众创新”。
每个领域支持若干个课题,基金为每个课题提供不低于10万元的资助 ( 包括50%的经费和50%的科研软件平台 )。
“青苔数智融合” 协同创新项目基金分为企业课题和自主课题:
1. 企业课题:
根据产业发展需要,企业课题主要面向健康大数据、工业大数据、工业互联网、智慧城市和数据中台设立数智融合相关的科研课题,申请院校从表一中选择课题方向进行申报。
表一 企业课题选题列表
课题方向编号 | 课题方向 | 课题介绍 |
---|---|---|
A01 | 健康大数据:糖尿病健康管理 | 利用大数据和人工智能技术,采集老人的各种数据如居民人口数据(年龄、性别、家庭属性、联系方式、社交账号等基础资料)、检验检查数据(院内&院外,血糖数据、其他糖尿病健康管理相关数据等)、疾病诊断数据(医院&体验机构院内诊断数据,既往史,家族遗传史等)、多重场景数据(工作场景、休闲场景、睡眠场景、运动场景等)等,通过算法建模促进糖尿病健康管理。 |
A02 | 健康大数据:心血管疾病管理 | 利用大数据和人工智能技术,采集老人的各种数据如居民人口数据(年龄、性别、家庭属性、联系方式、社交账号等基础资料)、检验检查数据(院内&院外,血压数据、心电数据、生化数据等)、疾病诊断数据(医院&体验机构院内诊断数据,既往史,家族遗传史等)、多重场景数据(工作场景、休闲场景、睡眠场景、运动场景等)等,通过算法建模促进心电判读等。 |
A03 | 健康大数据:慢病健康管理 | 利用大数据和人工智能技术,采集老人的各种数据如居民人口数据(年龄、性别、家庭属性、联系方式、社交账号等基础资料)、检验检查数据(院内&院外,血压数据、心电数据、生化数据等)、疾病诊断数据(医院&体验机构院内诊断数据,既往史,家族遗传史等)、多重场景数据(工作场景、休闲场景、睡眠场景、运动场景等)等,通过算法建模促进心电判读等。 |
A04 | 健康大数据:老年健康管理监测和管控长效机制 | 依托互联网+,结合大数据、人工智能和云计算等技术,探索老年健康管理过程中的监测和管控长效机制。 |
A05 | 工业大数据:边缘计算设计与优化 | 主要对来自各种工业数据源的数据进行统计特征提取(如均方根、方差、极差、峭度值和特定位置的负载值),并将这些数据(而不是裸数据)上传给云端,并对这些数据进行信号分析(小波分析、傅里叶、滤波器、功率错分析),从而实现对设备的监控和分析,预测可能出现的设备故障。 |
A06 | 工业大数据:推动工业企业改善经营管理 | 为打造一个高度灵活的个性化、数字化产品与服务的生产模式,利用大数据和人工智能技术,基于采集的企业各种数据,并构建业务算法模型,帮助企业改善经营管理,预测设备故障,网络化协作。 |
A07 | 工业大数据:推动工业企业改善生产制造管理 | 为打造一个高度灵活的个性化、数字化产品与服务的生产模式,利用大数据和人工智能技术,基于采集的企业各种数据,并构建业务算法模型,帮助企业改善生产制造管理,降低设备能耗,消除瓶颈工序。 |
A08 | 工业大数据:推动工业企业提升运维服务 | 利用大数据和人工智能技术,帮助企业提升自身的运维服务,通过构建算法模型,提升企业的精益生产质量,并帮助企业优化生产排程。 |
A09 | 工业大数据:推动工业企业提升研发设计 | 利用大数据和人工智能技术,通过构建数据驱动算法模型(而不是机理模型),帮助企业提升研发设计能力。 |
A10 | 工业互联网:帮助企业进行销量预测 | 利用大数据和人工智能技术,收集以往销售数据、库存数据以及供应链数据等,构建算法模型,从而预测未来销量,帮助企业更好的指定各种计划。 |
A11 | 工业互联网:帮助企业改进库存管理 | 利用大数据和人工智能技术,在历史数据和销量预测的基础上,对库存进行分析和优化,包括多层ABC分析、库存周转率分析、库存仿真,最终确定各类商品合理的库存数量。根据不同货物的销售量和销售频率,确定其类别(A/B/C),对不同类别,采用不同的库存策略。 |
A12 | 工业互联网:帮助物流企业进行车辆路径优化 | 利用大数据和人工智能技术,基于历史数据以及其他数据,构建业务模型,根据用户输入的订单和车辆数据,进行车辆分配和路径优化。 |
A13 | 工业互联网:构建企业征信评估模型 | 利用大数据和人工智能技术,基于企业的交易数据、海关数据、税务数据、工商数据、法院数据、金融履约数据、海外征信机构数据等构建中小企业征信评估模型,帮助中小企业快速将自己在社会经济生活中的数据转化成为企业信用,以更低成本获取订单、融资等服务。 |
A14 | 工业互联网:DT时代下的新一代精准营销千人千面建设 | 基于大数据和人工智能技术,通过收集的各种数据如点击数据、收藏数据、下单数据和物流数据等,对每个用户进行360度画像;对某用户个性化推荐,预测客户打开推荐链接的点击通过率(CTR);预测打开推荐链接的客户购买该商品转化率是多少(CVR);根据预测结果,对高购买倾向客户进行精准营销推荐。 |
A15 | 智慧城市:旅游舆情监管和跟踪 | 利用互联网自动抓取技术,采集各大网站涉旅新闻及舆评信息,游客真实点评,游记分享,重大事件新闻,以及OTA网站产品公开数据,并利用各类算法对数据进行深度解析。掌握旅游舆评动态、游客评价及旅游重点行业运行情况,全面提升城市旅游公共服务品质。 |
A16 | 智慧城市:利用大数据和人工智能技术促进轨道交通大数据建设 | 基于图像采集技术,依托大数据和人工智能图像识别算法技术自动识别高铁机车、城市轨道交通列车、高铁轨道以及城市交通轨道等可能存在的问题,从而提前发现问题,规避风险,提升检修效率。具体比如: 1) 自动识别铁路轨道上有障碍物并自动告警 2) 自动识别高铁机车触网故障并自动告警 3) 自动识别城市轨道交通上的障碍物并自动告警 |
A17 | 智慧城市:智慧城管 | 依托大数据和人工智能技术,实时智能的识别各种车辆违停、城市设施损坏、排水口堵塞、乱丢垃圾、绿化带乱占乱用、路灯损坏等情况,缩减城管处理时间,提升效率,减少人工成本。 |
A18 | 数据中台:数据模型优化 | 通过使用Kimball的维度建模为核心理念基础的模型方法论,同时对其进行一定的升级和扩展,构建大数据时代数据中台的数据模型体系,如何基于元数据管理和为业务中台提供更好的服务方面提升数据中台数据模型构建方式就提上了日程。 |
A19 | 数据中台:ETL工具优化和改进 | 基于主流开源ETL软件,对其进一步进行优化和改进,从而稳定支持将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端,将开源ETL软件优化成满足企业级大数据采集、加工、处理的ETL工具。 |
A20 | 数据中台:行业模型优化 | 主要依托互联网+,结合大数据和人工智能,面向各个行业构建数据中台,建设适合该行业的行业模型库,提升企业运行效率。 |
2. 自主课题:
根据自身的条件和区域的特点,申请院校自主选择研究方向进行申报,申请院校从表二中选择课题领域进行申报。
表二 自主课题选题列表
方向编号 | 课题领域 |
---|---|
B01 | 政府 |
B02 | 金融 |
B03 | 教育 |
B04 | 医疗 |
B05 | 交通 |
B06 | 工业 |
B07 | 农业 |
B08 | 其他 |
针对入选合作院校,将提供完善的资源和服务体系,以保证院校顺利开展合作项目,并为院校在云计算、大数据、人工智能和虚拟现实方向的科研及人才培养提供长期有效的支持。
针对“青苔数智融合” 协同创新项目基金的每个课题,北京青苔数据将为申报院校提供对应的经费支持和分布式大数据计算平台实验设施与服务支持,为申报团队提供创新项目选题指导,协助团队完成科研项目或创新项目基础平台搭建和教师培训工作,并根据需求开展服务校方等工作。
北京青苔数据将辅助、联合申报院校申报新的科研课题,并共享行业大数据和人工智能项目经验,提供企业级项目咨询服务和技术支持,辅助科研成果的快速产品化及解决方案的包装。
依靠北京青苔数据庞大的项目资源,把北京青苔数据的当地项目引入学校,培育学校的应用技术研究团队。实行“理论学习”和“顶岗实训”相结合的模式,做到企业与学校资源共享,获得产学研结合的多赢途径。