工程科技大数据技术创新战略联盟成立

简介:

今天上午,工程科技大数据技术创新战略联盟在北京成立。该联盟由中国工程院牵头倡议、20家单位共同发起成立,将致力于我国工程科技领域大数据汇聚打通、挖掘分析等技术创新和应用,实现“政产学研用”全链条的协同创新与产业提升。

中国工程院院长周济表示,大数据已经成为新时代最具价值的宝藏之一。对大数据的处理技术,深刻影响了经济、社会、教育、医疗和行政管理等多个领域,极大促进了产业发展转型、管理方式变革和社会效率提升。在国内成立工程科技大数据技术创新战略联盟,是落实国务院推进大数据发展战略的重要举措,也是我国工程科技大数据技术创新的重要实践。

周济对工程科技大数据技术创新战略联盟的发展提出三点建议:

一是加快推进,注重实效。联盟要通过科学的合作机制和运营模式,形成聚集优势,加快整合工程科技领域海量数据资源,推动公益性专业数据公开共享;要着力打造公益性一体化知识服务网络平台,助力大众创新创业和企业转型能力提升;要引导大数据关键共性技术研发方向,提高大数据技术工具应用转化和“政产学研用”结合效率;要围绕国家、区域、产业经济、科技发展重大需求,研发推广大数据知识应用。

二是加强合作,突出创新。联盟成员之间要合理分工,优势互补,形成利益共享、风险共担的产学研利益共同体,切实发挥联盟作为创新驱动“引擎”的作用,逐步建立政府引导、应用带动、互惠互利的发展机制,在技术路线上有创新,在应用推广上有创新,在合作机制、商业模式上有创新,实现可持续发展。

三是打造品牌,强化服务。联盟一定要紧紧围绕创新和服务两个要素,在创新上求突破,在服务上求提高,建设好大数据知识服务平台,为不同用户群打造个性化的知识服务产品,形成知识服务品牌。

工程科技大数据技术创新战略联盟由国内从事工程科技大数据技术前沿研究、产业技术攻关、信息服务、产品研发的企业、科研院所、大专院校组成,将在中国工程院和相关部委的指导下,以国家大数据相关政策为指引,基于多样化、多层次的自主研发与开放合作创新,建立工程科技大数据“政产学研用”相结合的技术创新平台,服务于工程科技领域“信息孤岛”的打通与汇聚,促进工程科技大数据集成创新、应用创新、服务创新,提升中国工程科技创新能力。中国工程院副院长陈左宁担任联盟第一届理事会理事长。

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
3月前
|
数据采集 传感器 人工智能
大数据关键技术之电商API接口接入数据采集发展趋势
本文从数据采集场景、数据采集系统、数据采集技术方面阐述数据采集的发展趋势。 01 数据采集场景的发展趋势 作为大数据和人工智能工程的源头,数据采集的场景伴随着应用场景的发展而变化,以下是数据采集场景的发展趋势。
|
3月前
|
数据采集 搜索推荐 大数据
大数据技术在电商平台中的应用
电商平台是当今社会最为普及的购物方式之一,而大数据技术则成为了众多企业的强有力竞争力。本文将介绍大数据技术在电商平台中的应用,包括数据采集、预测分析、用户画像等方面,并探讨其对电商平台的价值和意义。
|
3月前
|
机器学习/深度学习 数据采集 算法
大数据分析技术与方法探究
在当今信息化时代,数据量的增长速度远快于人类的处理能力。因此,如何高效地利用大数据,成为了企业和机构关注的焦点。本文将从大数据分析的技术和方法两个方面进行探究,为各行业提供更好的数据应用方向。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据分析的技术和方法:从深度学习到机器学习
大数据时代的到来,让数据分析成为了企业和组织中不可或缺的一环。如何高效地处理庞大的数据集并且从中发现潜在的价值是每个数据分析师都需要掌握的技能。本文将介绍大数据分析的技术和方法,包括深度学习、机器学习、数据挖掘等方面的应用,以及如何通过这些技术和方法来解决实际问题。
52 2
|
11天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
3月前
|
机器学习/深度学习 存储 人工智能
大数据处理与分析技术:未来的基石
在信息化时代,数据已成为企业发展和决策的基础。而随着数据量的不断增长,传统的数据处理方法已经无法满足现代企业的需求。因此,大数据处理与分析技术的出现成为了新时代的必需品。本文将介绍大数据处理与分析技术的概念,意义、应用场景以及未来发展趋势。
50 3
|
20天前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。
|
25天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
1月前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。