DanaStudio 基于 B/S 架构，底层可对接通用的大数据底层平台，经历了多个大数据项目考验，是一款稳定、高性能的技 术服务平台。DanaStudio 作为数据智能工具中台，与底层大数据平台可灵活适配，适配不同数据规模环境，支持 GB 级 别数据量的单机业务数据库场景、TB 级别 MPP 分布式数据库场景，也支持 PB 级别 Hadoop 离线数仓大数据处理场景。 DanaStudio 采用前后端分离架构，后端服务支持微服务化管理，便于运维和管理。

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  

集数据预处理、模型训练、预测、评估为一体的一站式大数据智能分析挖掘平台，提供丰富的大数据教学资源，交互式图形接口及高质量的算法库，满足高校在大数据分析教学、实验、科研等典型场景的应用。

一.科学的图书分析 实时挖掘教师、学生阅读情况，进行阅读种类排名，并分析各学校图书馆藏的分布情况，便于领导科学管理，优化馆藏。 二.及时的疫情防控 实时监测学生在校体质健康状况，根据校内数据，实现疾病预测，做到及时预警。 三.体质健康监控 通过建立健康模型、运动模型，以同伴分组推荐的形式，给出针对性的运动处方，激励学生自主运动锻炼，形成良性循环。 四.精准的教与学 通过展示各校师资力量、优势及薄弱学科、资源分配等信息，分析出模范学校、模范教师，为领导提供科学管理与决策。 五.体质健康实时监测 监控学生体质健康数据与体育课运动数据，通过健康模型对学生体质状况进行分析以及及时预警。 六.薄弱知识精准推送 根据学生的学习轨迹、薄弱知识点，平台自动推送学习内容，并形成成长轨迹，从而实现精准推送，达到个性化学习的效果。 七.科学管理与决策 区领导实时把控各学校师资力量情况，给予合理的相应资源配比。 八.数据可视化 所有数据分析形成可视化平台，各级角色可以实时查看数据分析结果，及时做出科学决策。

基于物联网的无接触数据感知技术、体质测试与运动行为数据采集等技术，采集评估测试对象的体质健康行为数据，并建立行为健康数据库。基于健康行为大数据，结合已有的体质检测指标、医学筛查指标和人体运动指标，通过标签建模构建个人数据画像，通过机器学习算法实现将健康行为数据从低阶数据到高阶数据质的飞跃。 一、项目分类 关键核心技术突破 二、成果简介 聚焦全民健康,尤其是青少年体质健康的提升，融合人工智能、物联网、云计算、移动互联网、大数据等新一代信息技术，以健康失衡状态的动态辨识与健康自主管理为主攻方向，构建以信息科技为引领的一体化健康服务管理体系。通过非二代设备的智慧化升级技术开发智慧化设备，并进一步构建智慧化场景。基于物联网的无接触数据感知技术、体质测试与运动行为数据采集等技术，采集评估测试对象的体质健康行为数据，并建立行为健康数据库。基于健康行为大数据，结合已有的体质检测指标、医学筛查指标和人体运动指标，通过标签建模构建个人数据画像，通过机器学习算法实现将健康行为数据从低阶数据到高阶数据质的飞跃。建设运动康复处方库、健康行为评价体系与健康行为风险预警模型，基于控制论、行为科学等理论方法构建健身指导决策支持系统，形成基于“大数据”的健康行为决策技术体系。

发布的数据库（Arabidopsis RNA-seq database, ARS）整合了来自GEO、SRA、ENA和DDBJ数据库的20,068个拟南芥RNA-seq数据，提供了“Google-style”在线查询工具。该研究对所有文库进行了基因表达水平定量和共表达网络分析，并将所有文库进行分类，总共涉及1176个突变体、1102种处理条件、12个

本项目围绕“城市场景的全息表达与复杂事件的临场分析理解”这一关键 科学问题展开研究，基于人机智能的有机结合、数据和知识的联合驱动以及多 模态数据的关联增强等学术思想，以城市场景的三维时空模型为载体，研究城 市的全息表达理论方法，探索多源感知信息的多层次关联、语义提取与融合分 析的机制和方法，形成城市场景的准全息计算模型，以提高机器对城市对象和 场景语义分析与理解的精准性；研究多源信息的视觉转换机制和自适应交互可 视化方法，探寻信息按需提取或采集的临场分析机制，推进人机智能的深度耦 合，提高对复杂事件分析和推理的能力。项目预期在城市场景的渐进式三维重 建、跨时空城市感知数据的关联学习和聚合分析、城市事件的交互式临场分析 等方面取得理论与方法的重要突破，培养一批优秀人才，使我国在城市信息化 和智能化方面的研究达到国际先进水平，产生重要的学术影响。

南京理工大学与南京合众通数据技术有限公司合作研发的企业征信系列大数据平台，实现企业全面15大类100余项创新能力相关信息的精准跟踪和监测，产品已经加工成纵向、微向分析的深度征信产品，按照客户的需求种类制定DaaS策略，在目前征信报告的基础上，把服务和创新的意识运用于征信产品加工各个环节上。 基于该产品，受中央军委科技委委托，南京理工大学承担研发全球科技人才发现与跟踪平台的任务。 信用报告：提供企业信用报告服务为客户有偿提供目标企业详尽的信用信息数据以帮助客户制定商业运营

1. 痛点问题 当前，很多创新型的应用无法购买到可用的系统，如果在项目周期很紧急的情况下希望快速交付一个可以使用的原型系统，往往会遇到如下问题：不同客户系统之间存在巨大差异，大量需求要定制开发；市面上没有现成的应用程序可以直接购买；解决方案过于复杂和/或过于昂贵；难以低成本控制未来数字化的发展。 此外，很多软件公司人力成本达到65%，且无法满足企业业务快速变化的需求，交付周期无法保证，后续系统维护成本很高，已经影响到企业的发展。因此，很多企业都希望能有业务人员或参与配合少量开发即可快速构建原型系统的工具，满足企业的创新应用。 2. 解决方案 本成果”大数据应用软件建模系统-DWF“（清华数为DWF）支持应用开发人员快速实现中小规模协作型应用，是一款基于模型驱动的代码开发工具，可以构建复杂的数据模型，可以实现数据模型、表单模型、功能模型、组织模型、权限模型、模型包管理功能，通过前、后端的脚本可以提供业务系统的扩展功能。DWF还提供对异构数据的集成能力，方便企业快速进行模型迁移和部署。 DWF具有如下特点： 一站式：DWF自身追求尽可能简单的结构，可在普通PC上部署启动，也可以在云计算或者容器环境下部署，又可以并入容器管理器中成为微服务。 可配置：采用模型驱动的设计理念，通过组织建模、数据建模、表单建模、功能操作和权限控制直接建模产生系统本。 低码量：基于模型开展有针对性的扩展编码工作，减少编码总量，降低开发难度。配合敏捷定制功能，大幅度减少了代码量和系统缺陷产生的可能。 组件化：允许在线将全部或者部分模型从系统中导出独立的模型包，组合到其他DWF系统中，从而方便即时交付系统，即改即用，快速响应变更需求。