教师教学能力系列慕课 专业团队专为一线教师量身打造的最优质MOOC课程，教师教学能力提升类MOOC课程项目，重点面向师德师风教育、新教师培养、班主任工作、学科教学法、学生发展规律、教师教研等方面

Tempo大数据应用能力成长平台（简称：Tempo Talents）是美林数据自主研发的面向高校大数据与人工智能领域“教学实践、集中实训与科研创新应用的一体化实验平台”。平台以专业课程教学实践、项目实训为核心，以创新产业应用孵化为目标，围绕大数据核心技术体系及应用，提供丰富元子化课程实践与实训案例资源。依托可视化分析与机器学习开发引擎，过程与结果兼顾的教学管理方式，闯关、考试、竞赛、数据游乐场等多种实验模式，为高校打造教与学充分互动的“大数据应用能力成长平台”。 一、创新教学管理模式，打造自驱型能力成长平台——教学管理平台→柔性化定制课堂教师可以根据教学目标、学生情况，灵活搭配原子课、实训项目及教材→教学考评管一体化统一的审阅、评分入口，实时查看作业提交情况→全景学情分析多维度图表展示学生的学习进度、学习成绩，直观了解到课堂的学习情况 二、Docker集群化部署，支持实验环境一键式访问及智能化管理——实验管理平台→高可用的容器化集群基于容器及容器集群架构运行的大数据实验基础平台，系统高可靠，高灵活，高伸缩性。→智能化实践环境管理预装实验需求的各类软件运行环境，基于浏览器的B/S模式直接访问，根据访问自动启停→一键式虚拟桌面实验台支持基于浏览器B/S模式的 “一键式”访问基于Linux的虚拟桌面环境，可提供 Linux 桌面和命令行操作，并可实现 Linux系统管理 三、不同难易度 不同实践模式相结合，因材施教更进一步——课程实践平台→多模式课程实践在线编码式、命令行、云桌面等多种实验模式→课程自动评测学生在线提交代码，一键自动评测打分，快速获取学习成果反馈→趣味闯关寓教于乐将课堂小测验转换为趣味闯关，激发自主学习热情 四、编码式与拖拽式双环境，开发型与应用型兼顾——项目实训平台→编码式与拖拽式双环境交互式笔记和拖拽式平台双操作模式，满足不同层次学生学习需求→完整实训项目指导手册还原项目落地全过程，将业务分析方法论融入具体项目实训中 →实验报告点评与优秀作业共享实验报告在线提交与点评，分享优秀作业，积累优秀成果 五、智能机器学习开发平台，满足人工智能教学科研需求——人工智能平台→强大的建模算法引擎9大算法类型、120余种分布式算法支持、15种文本算法→全面的分析洞察帮教全方位观察建模过程及结果，让学生在掌握方法的同时也能洞悉建模原理→多模式扩展编程R\Python\Java\Scala\Tensorflow等多种编程语言，学生可自定义算法开发实践 六、拖拽式大数据分析平台，培养学生数据创新探索能力——大数据分析平台→自助式大数据探索分析低门槛拖拽式数据可视化分析，让学生快速构建数据分析应用能力→灵活的可视化交互看板40余种可视化图形，钻取、联动、链接等多种交互模式 →多样的分析报告可视化大屏、分析看板、word报告、数据报表等多种报告形式呈现 七、真实项目经验 名师课程资源，构建优质教学课程资源库——课程资源平台→多学科教学名师课程引入国内一流高校教学团队优质课程，贴合学科最新发展趋势 →创新原子课设计将专业课程的知识点“原子化”，层层递进融会贯通→丰富行业实训案例精选美林数据 200+能源、政府、高端制造等行业头部客户真实项目案例 八、丰富数据资源与灵活数据资源管理，满足教学科研多层次需求——数据资源管理平台→多种数据源接入满足不同大数据平台和SQL数据源、Excel文件数据库、多维数据库、分析型数据库实时数据等不同类型数据源接入 →数据管理与权限分配支持后台配置数据权限，多种数据资源自定义管理→开放数据超市提供宏观、中观、微观全维度数据体系，上亿条数据，数据总容量超过500T丰富数据资源与灵活数据资源管理，满足教学科研多层次需求  

本发明公开了一种自主作业林业机器人平台，包括机器人本体和控制系统，机器人本体采用了四轮的驱动结构，包括车底盘、车顶平台、车架等部分。机器人的控制系统可完成复杂控制和数据处理算法，同时加装了导航定位、激光测量、双目视觉等多种传感器，进行自主林业机器人作业环境信息检测和智能导航。该自主作业林业机器人结构简单，四轮的驱动能力强，可在林区复杂地形条下灵活可靠地运动，具备智能决策和环境建模的能力，可完成林区作业环境信息检测任务；同时可在机器人上加装多种作业机械手，进一步自主完成林木整枝、间伐、采伐和集运等林业生产作业任务。

项目成果/简介:本发明公开了一种自主作业林业机器人平台，包括机器人本体和控制系统，机器人本体采用了四轮的驱动结构，包括车底盘、车顶平台、车架等部分。机器人的控制系统可完成复杂控制和数据处理算法，同时加装了导航定位、激光测量、双目视觉等多种传感器，进行自主林业机器人作业环境信息检测和智能导航。该自主作业林业机器人结构简单，四轮的驱动能力强，可在林区复杂地形条下灵活可靠地运动，具备智能决策和环境建模的能力，可完成林区作业环境信息检测任务；同时可在机器人上加装多种作业机械手，进一步自主完成林木整枝、间伐、采伐和集运等林业生产作业任务。

针对CSP（薄板坯连铸连轧）生产线的工艺特点，建立了轧制计划编制数学模型并开发了实用优化算法，是国内首例自主开发的CSP生产线的作业排序与调度软件系统。本软件系统的主要功能如下： 生产订单管理：将客户订单转换成面向生产的生产订单； 轧制计划编制引擎：通过求解轧制计划模型，编制和调整轧制计划，根据实际生产状况进行紧急计划和质量再申请； 生产指令管理：产生生产指令并下达至二级计算机，发生异常情况时变更、协调生产指令； 工艺数据维护：管理维护各种工艺数据； 生产实绩管理。对生产实绩数据进行全面管理，编制生产报表并进行数据分析。

本成果来自国家发明授权专利，知识产权归属西南交通大学。项目创新性和先进性：装置利用现代图像采集设备和机器视觉技术，利用人员巡视，同步对接触网设施进行图像拍摄，并能对每次巡视后的接触网服役状态进行自动判定，及时发现接触网关键设备缺陷，避免事故发生。

脑电信号作为人体重要的生理信息，已经被广泛应用于医学疾病诊断与治疗、人体潜能开发等方面。脑电图通过将电极接入被试对象的头皮，来测量大量神经元发放所形成的电场。脑电波作为能够体现大脑活动的信号中的一种，有方便检测、非侵入式且对被试对象友好等特点。一般认为，通过对大脑脑电波的检测并采取特定数据分析方法，有望将大脑的各项反应能力充分挖掘出来。近年来，脑电信号分析已成为认知神经科学领域的重要技术之一。大量研究表明，人类认知能力与脑电信号有关，其中工作记忆能力在认知中起关键作用。脑电信号具有数据量大、时间分辨率高、易受干扰等特点，给研究带来了不少挑战。杨立坚课题组使用样条函数，基于随机抽取的122名大学生志愿者训练集，以闭眼静息态下8个脑前区导联的脑电信号（图1），对20名志愿者测试集进行工作记忆能力的预测（图2），其确定系数R^2在多次随机试验下的中位数为68%，最低值大于50%，最高值72%（图3）。图1 ：试验中脑电信号记录的导联名称和位置图2：对某测试集计算的认知能力预测值与真实值的对比图3：对多次重复随机抽取的测试集计算的确定系数R^2箱线图杨立坚课题组依托10年来自身在函数型数据领域的研究成果，课题组2017级博士生张园园和2018级博士生黄昆在学习神经科学专业知识的同时，与机械工程系教授吴方芳和硕士生王健凯高效合作，分析季林红课题组的大学生志愿者脑电与认知能力数据。他们秉承“面向应用，背靠理论，写好算法”的统计学理念，把样条回归估计脑电信号的光滑轨迹，张量样条回归估计协方差函数，样条估计函数型主成分与得分等深刻的统计学前沿理论，结合LASSO回归，转化为快速准确分析脑电数据的算法（图4），从2018年12月开始仅用6个多月的时间，就很好地解决了基于工作记忆能力预测的问题，完成了这篇跨学科应用方法论文。图4：算法流程图

 平衡是人类的基本运动技能。人体维持各种姿势、进行各种活动以及对抗外界干扰力的能力都与平衡功能有关。下肢假肢配装不适，脑卒中以及慢性踝关节不稳等都会引起平衡功能障碍。  目前对平衡能力进行分级评估、对下肢关节手术效果评估以及恢复平衡功能的康复训练等的测试设备有测力台式和压力垫式两大类，但都依赖进口。两类系统各有特点，前者测量精度高，但对足底压力分布没有空间表达能力；后者虽然精度不如前者高，但能较好满足空间分辨率的要求。本系统实现的人体足底压力测量具有多时空分辨率的特点，集合足底压力分布分析系统和测力台系统的特点和优势，能反映下肢残障者的特殊生理特征，可同时动态测量地面反力的变化、重心轨迹的变化、足底压力各区分布的变化。有助于解决单一设备评估的敏感性和可靠性欠佳问题，较好满足骨科和下肢康复等临床医生的要求。目前市场上尚没有综合集总力测量与分布力测量于一体并据此进行平衡功能评估的成熟产品。  本测量系统在多分量测量通道解耦、集总力与分布力测量同步数据采集、基于多源数据的平衡功能分析评估方法以及人机交互康复训练软件等方面的成果已通过科技部的国家支撑计划项目验收，得到国家康复辅具中心医院、上海瑞金医院和上海仁济医院临床医生的使用认可。