
第二届全国CDA杯“数字经济时代,数据应用竞赛”(以下简称CDA杯)自开始报名以来,就在众多高校中掀起波澜。目前已经开始初赛,但仍不断收到同学渴望参赛的信息,因此特别开放最后一波报名通道,这回真的是过了这个村就没这个店了。
本次赛事主题为“大数据+大学生=大有可为!” 面向全国所有高校院系开放;与以往大数据竞赛不同,本次竞赛的初赛阶段采用半开放式选题,目的是为了覆盖更广范围的专业及同学,参赛选手可以选择熟悉的领域及行业,深入业务自由挖掘行业痛点,竞赛不仅仅关注单一领域的模型结果准确性,更在激发数据应用全流程创新。
全国各高校在校大学生(包括本、硕、博士生),以团体形式参赛,每支队伍3人。
1、 报名:
特别开放:5月17-27日
2、 初赛(特别开放阶段需于5月27日前提交结果)
初赛成绩以10%的权重计入总成绩
Ø 参赛方式:
方式一:参赛队伍可以选择一道参赛题目,也可多选几道参赛题,提供自己的解决方案;
方式二:参赛队伍可选择任一领域,进行数据应用创新。
方式三:参与CDA人才认证等级考试,并通过考试。
Ø 注意事项:
选择方式一参赛的团队,需使用自己擅长的软件及算法,提交源代码及报告(需按指定格式体现在附件里);
选择方式二参赛的团队,需要提交所选行业数据应用成果,通过PPT/Word/PDF三种形式之一提交参赛作品(需按指定格式体现在附件里)。
选择方式三参赛的团队,需要提交全员CDA认证证书截图。
3、复赛:
1、从初赛参选团队中选拔前60%,
2、对初赛的算法及报告休正或者重新选题,提交源代码及报告或对行业数据应用成果的完善。
4、决赛:
1、由复赛中选拔前20%队伍参加决赛答辩
2、答辩根据参赛队的报告、算法、历史成绩、评委打分,角逐出一二三等奖共9只团队,复赛中余下的团队获得创新鼓励奖;
一等奖:1支队伍,奖金50000元; CDA现场班免费3人听课权限;企业奖项;颁发获奖证书;
二等奖:3支队伍,每支队伍奖金20000元; CDA免费1人听课权限;企业奖项;颁发获奖证书;
三等奖:5支队伍,每支队伍3000元; CDA系列每人1门视频课程权限;企业奖项;颁发获奖证书;
创新鼓励奖:若干名,均可获得荣誉证书,经管之家VIP身份
1、所有报名团队有机会获得由CDA举办的中国数据分析师行业峰会免费门票,可与大数据专家、企业面对面进行沟通交流,并获得一定补贴参加CDA认证考试及培训课程;
2、所有进入复赛人员均录入CDA企业推荐人才库;入围CDA的企业招聘绿色通道(即招聘流程省略:简历筛选及笔试筛选阶段,直接进入面试阶段);
3、获得经管之家、知名企业、风险投资机构的深度关注,有机会成为项目创业合伙人。
报名须登录大赛官方网站:
https://www.cda.cn/jingsai2020/baoming.html
注意事项如下:
1、参赛人员必须在大赛网站上统一注册,填写报名信息;
2、参赛者提交的参赛作品必须是由参赛者独立完成的原创作品,不得抄袭,不得违反任何相关法律法规;
3、大赛所提供的数据集和平台仅限于本次大赛使用,不得用于其他任何目的,如若因此给数据提供方或平台提供方造成损失,由参赛选手负责;
4、参赛作品的知识产权等相关权益归参赛队伍所有,但获奖作品可在竞赛相关网站上发布,以供评选。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16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