
2018中国国际大数据博览会5月在贵州举行
2月28日,2018中国国际大数据产业博览会(以下简称数博会)新闻发布会在北京召开。记者从会上获悉,以“数化万物 智在融合”为主题的2018数博会将于5月26-29日在贵阳举行。
据悉,本届数博会由2018数博会由中华人民共和国国家发展和改革委员会、工业和信息化部、国家互联网信息办公室、贵州省人民政府主办。大会主要由“同期两会、一展、一赛及系列活动”组成。参展参会人数预计将超过5万人次,展览面积6万平方米,参展企业超过400家。
同期两会:高端主题对话 形成新共识
“同期两会”,即在举办数博会的同时,同期举办中国电子商务创新发展峰会,围绕电商治理、电商全球化发展、电商与传统产业深度融合、跨境贸易等主题,由政府、全球领先电商企业、创新实体企业、民间团体、电商行业领军人物进行对话交流,形成新的共识。
数博会期间将召开5场高端主题对话,分别围绕“人工智能”“数据安全”“万物互联”“共享经济”“精准扶贫”5个主题,邀请全球顶级大数据企业和大数据领军人物同台论道。同时将举行多场专业论坛,围绕数字经济发展、大数据国家治理、区块链等技术产业创新、数据安全保障、大数据与民生、区域合作与交流等6大板块,深度探讨大数据与经济、文化、社会、生态融合应用的发展方向。
一展一赛:呈现最前沿科技成果
“一展”,即在2018数博会期间设中国国际大数据产业博览会专业展,该展览由“6+1”组成,“6”即设置国际综合馆、数字应用馆、前沿技术馆、数字硬件馆、创新创业馆、数字体验馆等六大主题展馆。“1”即“一带一路”国际合作伙伴城市展区。
此次展览将为大家呈现行业的最新技术、最新产品、最新商业模式和最佳解决方案,大数据初创企业提供与风险投资者、知名投资人最直接、最有效的见面沟通平台,同时让广大群众体验到AI、VR、AR、可穿戴设备等最前沿的科技成果,开启对未来最美好生活的无限追求。
“一赛”,即2018中国国际大数据融合创新·人工智能全球大赛,本次大赛由中国人工智能产业创新联盟、英特尔(中国)有限公司、贵阳块数据城市建设有限公司、贵州优特云科技有限公司共同承办,分别在中国、美国、以色列设置了6个分赛区,来自全球10多个国家的1000余个团队参加了大赛,总决赛将于2018年5月25日在贵州贵阳举行,决赛成果将在数博会期间展示。
聚焦“聚、通、用” 最新应用成果将发布
值得一提的是,2018数博会将围绕数据的“聚、通、用”,集中展示全球近四百家企业关于人工智能、区块链、社会治理、产业创新、智慧城市、共享经济、大数据与实体经济融合、数据安全等方面的最新应用成果,集中展示大数据收集、储存、整合、管理、应用等方面的最前沿技术。
会议期间将首次展示对“中国天眼”所接收天文大数据进行处理的超算能力和技术,首次展示5G应用场景体验,首次发布《中国数谷》《块数据4.0》《大数据战略重点实验室》等大数据前沿研究著作,首次发布贵阳市100个大数据应用场景招商信息。会议还将发布全球“十大黑科技”等一系列全球最前沿、最具颠覆性的重大科技成果和国内大数据城市安全指数等一系列行业发展报告。
2018数博会期间还将举办一系列个性化的活动,集中展示大数据的新理念、新发展、新实践、新成果、新政策、新业态,更好地促进大数据与实体经济、大数据与社会治理、大数据与百姓生活融合应用发展。美国、英国、意大利、印度等国驻华使馆和全球知名企业、全球著名机构将举办“大数据技术新发展”“大数据实践成果”“大数据之旅”“系列成果发布”等各类主题活动。
发布会称,贵州大力发展大数据产业,培育大数据核心业态、关联业态、延伸业态,推动数据处理加工交易,智能终端产品制造、电子商务等产业的蓬勃发展,引进了一大批大数据领军企业落户贵州,支持一批创新型企业快速成长。目前,大数据企业达到了8900多家,大数据产业规模总量超过1100亿元,并且在大数据立法、数据安全、政府数据共享开放、大数据提升社会治理现代化、大数据服务百姓生活等方面实现了后发赶超。
数博会作为全球首个大数据主题博览会,已连续成功举办了三届。2018数博会将突出“全球视野、国家高度、产业视角、企业立场”,坚持“国际化、专业化、高端化、产业化、可持续化”原则,紧盯大数据产业高端前沿发展趋势,聚焦大数据与实体经济深度融合,探索建立“一带一路”大数据国际合作机制,推动区域交流合作共享,为建设“数字中国”作出贡献,为全球大数据发展贡献中国智慧、提供中国方案。
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