低代码技术作为一种新兴技术手段,正逐渐渗透到各个领域,为行业数字化转型提供了新的思路和方法。为此,培养懂行业、强技术的应用型低代码数据挖掘与分析技术专业人才也逐渐成为行业发展的重要需求。
低代码技术的出现,能够有效帮助企业快速搭建业务应用,建立系统互通接口,推进数字化转型。与传统开发方式相比,低代码技术能够减少参与人数与开发周期,从而帮助中小企业节省运营成本,加速企业的数字化转型进程。
本期公开课将聚焦医疗及工业领域,与教师共同探讨面向赋能教育的低代码数据挖掘与分析技术及其应用,并围绕《混凝剂投放量预测分析》《心血管疾病分析和预测》两个实验案例开展应用分析和实战演练。
公开课特色:
🌈 体验一站式数据科学实验工具平台——数据魔方低代码开发平台,低门槛、跨专业掌握大数据相关知识与数字化技能,轻松培养数据思维与实践动手能力。
🌈 贯穿业务场景分析、数据处理、特征工程、算法模型训练、应用服务的环节学习。
🌈 创新的教学实践模式,涵盖跨领域、多学科的企业级项目实例,助力完成复杂系统和创新项目。
当前,机器学习已被广泛应用于解决各种复杂的挑战,如医疗、金融、环境、营销、安全和工业等各领域。其核心特点是能够检查大量数据并发掘其相关性,从而提供有价值的解释,有助于提高工业决策的可靠性、性能、可预测性和准确性。
在选择污水处理厂的混凝剂时,由于药剂种类及质量级别的差异,我们不能简单地认为质量级别越高的药剂处理效果就越好。因此,为了确保混凝剂的使用效果,我们需要根据污水处理厂的历史数据建立相应的混凝剂预测模型。通过这个模型,我们可以提前确定合适的混凝剂投放量,从而提高污水处理效果。
本案例为机器学习在工业领域的应用场景。利用污水处理厂的历史数据信息,通过低代码魔方平台建立起基于机器学习的预测模型,并结合这些数据进行数据分析和建模。这种方式不仅可以预测混凝剂的投放量,还可以减少损失达到最佳效果。
数据探索界面
模型训练界面
本案例为机器学习在医疗行业的应用场景,通过历史患者的数据和心血管状况,使用低代码魔方平台建立基于机器学习的预测,并通过构建数据分析模型,预测当前患者患病的可能性,为后期患者推送相关信息和及时做出预防等方面提出相应的建议。
数据探索界面
数据立方体界面
模型训练界面
本期课程使用青软集团自主设计研发的数据魔方平台,面向高校数字化应用型人才培养,提供数据分析探索、特征选取、模型构建、成果应用在内的一站式数据分析与挖掘全流程服务,遵循MLOps理念,覆盖从数据采集、数据预处理、模型训练、模型优化、部署应用的全生命周期项目支撑,高效开展教学实践应用。
传统教学模式注重理论学习和代码编写调试,难以满足学生对实际应用场景技能的需求。为激发学生学习兴趣,提高其对于数据挖掘与分析过程的体验,我们将整个业务场景分析、数据处理、特征工程、算法模型训练和应用服务贯穿到教学环节中,支持通过简单「拖拉拽」、低代码的方式构建挖掘分析流程,支持模型构建、模型评估、选取最优模型参数,通过低代码可视化的交互操作,让学生快速掌握更全面的实战应用技能。
在教学实践中,教师可以引导学生跳出繁琐的系统流程和代码调试,在实战中了解行业最新动态和发展趋势,从而更加关注应用本质和创新发展,结合多领域、多维度的企业级项目实例,使学生将学习重点放在更有价值的知识应用实践上,从而学以致用,更顺利地完成复杂系统和创新项目。
平台内置80多种数据处理/算法算子组件,封装集成常用的数据处理、模型算法应用操作,包括常用的描述性统计、数据清洗、数据变换、数据降维、机器学习算法等,面向数据分析应用提供基础算法支持,兼具理论教学与实践应用双场景。
袁丹华,青软集团高级研发工程师,数据分析与挖掘工程师,硕士研究生毕业,曾就职于多家行业内的知名企业,参与过多个国家级、省级项目开发。具有多年项目开发经验。
扫码报名,获取课程资源与直播链接~
🕑 锁定直播间,与您不见不散哟~
11月2日(周四)13:30-16:30
✦ 往期回顾 ✦
> 推动人工智能国产化套件的创新应用,青软助力广西民族大学斩获「昇腾AI创新大赛」上海赛区铜奖
本篇文章来源于微信公众号: QST青软集团