
2018大数据产业峰会暨大数据产业展览会重装启航
“数据是新的生产要素,是基础性资源和战略性资源,也是重要的生产力。”日前,中共中央政治局就实施国家大数据战略进行第二次集体学习过程中,以习近平为核心的新一届中央领导集体,站在时代最前沿,带领全国人民迈入大数据时代。
近年来,我国大数据产业相关政策持续升温。在政策的积极推动下,大数据发展的基础设施日益完善,关键技术领域取得新突破,大数据软硬件自主研发实力快速提升,涌现出一大批大数据创新企业和创新模式,围绕国家八个大数据综合实验区建设,日益形成具有地方特色产业集聚。
大数据的技术发展与物联网、云计算、人工智能等新技术领域的联系越来越紧密,大数据的技术、应用、产业的发展,以及大数据与经济社会的交汇融合发展是当前的热点也是难点,是机遇也是挑战。如何发展新技术、建立新规则,如何推动大数据落地真正实现价值是目前所面临的非常重要的问题,要助推经济社会转型升级等等问题,将涉及大数据的理论、技术、产业和监管等多环节、多领域的创新与实践。
为进一步落实国家《促进大数据发展行动纲要》和《大数据产业发展规划(2016-2020年)》,支撑大数据国家战略落地,推动大数据产业交流与合作、开展大数据政策宣贯,展示我国大数据产业最新发展成果,搭建交流合作平台,由中国信息通信研究院与大数据发展促进委员会共同主办的“2018大数据产业峰会暨大数据产业展览会”将于2018年4月18-19日在北京国家会议中心隆重开幕。
打造超大规模、极具影响的国家级权威平台
以“促进大数据与实体经济深度融合”为主题,本次大会将广邀大数据行业专家,从年度成果分享、权威白皮书发布、行业发展实践、大数据产业集聚、跨界融合发展等重要篇章展开大数据行业开年盛宴。
世界已经进入由数据主导的“大时代”。目前,世界各国都把推进经济数字化作为实现创新发展的重要动能,在技术研发、数据共享、安全保护等方面进行前瞻性布局。抓住大数据发展的时代机遇,开创发展新局面,也是我国致力于解答好的时代课题。
大数据发展促进委员会作为数据中心联盟一个专门从事大数据研究的专业委员会,通过下设政策与法规工作组、技术产品工作组、数据流通工作组、电信大数据工作组与数据资产管理工作组五大团队,携手产业共同识别并且解决大数据发展过程中面临的共性难点问题。
聚焦建立数据开放流通共享的规则推动行业自律,建立并完善大数据产品能力的评测体系,以及开展人才培训与认证等重要工作,大数据发展促进委员会自成立以来,对大数据技术规范与评测体系不断迭代更新,对数据流通、数据资产管理等关键问题的研究得到了一系列成果并发布系列白皮书,并成功举办“2017年大数据产业峰会”等行业品牌活动。
以问题为导向,大数据发展促进委员会希望能够与产业共同迎战和扫除大数据与实体经济融合道路上的各种障碍,推动大数据产业的发展。因此,在本次大会上,大数据发展促进委员会将打造2018年大数据产业第一场饕餮盛宴。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30