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  

基于跨行业数据挖掘标准流程CRISP-DM，实现数据的深度挖掘分析，帮助教师与学生发现数据中隐藏的关系及规律，为教师科研提供数据分析探索、模型构建、成果应用的一站式数据挖掘工具，高效开展行业应用研究。平台支持用户通过简单拖拽、低代码的方式快速完成挖掘分析流程构建。同时支持模型自动化构建、模型智能评估，推荐最优模型与算法。 1、极简的建模过程 基于拖拽式节点操作、连线式流程串接、指导式参数配置，用户可以通过简单拖拽、配置的方式快速完成挖掘分析流程构建。平台内置数据处理、数据融合、特征工程、扩展编程等功能，让用户能够灵活运用多种处理手段对数据进行预处理，提升建模数据质量，同时丰富的算法库为用户建模提供了更多选择，自动学习功能通过自动推荐最优的算法和参数配置，结合“循环行”功能实现批量建模，帮助用户高效建模，快速挖掘数据隐藏价值。 2、丰富的分析算法 内置150多个分析算子，包含30余种数据预处理方法，5种数据融合方法、11种常用特征工程，实现数据融合处理与特征构建；包含聚类、分类、回归、关联规则、时间序列、综合评价、协同过滤等7类N种机器学习算法，支持深度学习、集成学习与自然语言处理等人工智能分析方法，满足各类业务科研场景需求。 3、灵活的扩展能力 支持用户编制SQL\R\Python\Java\Scala\Matlab\PySpark脚本实现个性化的算法脚本。自定义算法功能允许用户通过R\Python\Java\Scala基于平台规范封装自主算法并发布形成平台节点，方便用户灵活扩展平台算法节点功能，增强平台的业务适应能力，充分满足不同领域科研的个性化需求。 4、全面的分析洞察 通过丰富详实的洞察内容，帮助用户全方位观察建模过程任意流程节点的执行结果，为用户开展建模流程的改进优化提供依据，从而快速得到最优模型，发现数据中隐含的业务价值。建模分析报告支持在线查看，并且支持下载可编辑Word版本，支持科研报告及相关成果发布应用。 5、全栈科研成果管理与应用能力 分析成果的快速工程化应用，支持模型以调度任务、异步服务、同步服务、流服务及本地化服务包等形式应用，满足工程化的不同诉求。提供统一的成果分类统计及统一管理监测，帮助用户高效便捷地管理成果、利用成果及监测成果。 6、跨平台模型迁移及融合 支持PMML文件的导入和导出，可以实现跨平台模型之间的迁移和融合，利于用户进行历史模型的迁移，实现用户在不同平台的模型成果快速共享，提升各类科研成果的复用性。    

学生综合服务平台，基于学工核心业务，结合智慧校园业务中台和数据中台，前端通过一站式平台、校园APP、自助终端方式呈现，基于表单流程工具开发的流程服务，并与学工业务打通，实现线上线下打通，实现无纸化办公； 提供从学生入校到学生毕业离校的全流程化管理，实现服务和管理打通； 另外学工业务和学校现有门户平台、认证平台、教务平台、一卡通平台在数据上实现完全共享，依托数据中台，提供强大的自定义数据与统计分析功能，实现学生在校期间表现的全面动态管理和学生数据的精准化管理，能更好的辅助决策； 结合业务中台流程工具和消息平台，提供全面的工作提醒机制，实现消息及时、全方位触达，各层次用户可快速准确的点击进入操作，真正做到快捷、方便学生办事、高效解决学生困难。

通过教学质量基于事实数据进行动态诊断和改进，提供教师、学生和管理者三个维度的数据分析 ， 承载教与学全过程记录，多维度形成性评价数据分析，助力高校工程教育专业认证。 经典案例  

实验内容 1、单摆； 2、三线摆； 3、碰撞打靶； 4、李萨如图形； 5、液体表面张力系数； 6、应变力传感器定标及未知物体称重实验。

面向物联网、电子信息及计算机专业教学。包含硬件设备、软件平台和教学资源库的完整教学实验体系，可应用于相关课程的原理展示、动手实验及综合实训。

MMX5苹果采摘平台基于 ROS 开源系统，集成自主移动底盘及机械臂运动规划。机器人接收到移动抓取任务后，首先根据预先建立的环境模型基于 A* 算法规划最优轨迹，机器人沿着规划的最优轨迹，使用最优化算法进行运动规划，并规避运动过程中障碍物，控制机器人朝目标移动。到达抓取任务目标点后，利用 3D 相机，使用基于 OpenCV 及 YOLOV5来识别及定位目标，根据检测到的目标位姿，利用 MoveIt! 及 Open Motion Planning Library 完成机械臂运动规划，并将规划后的轨迹发送给机械臂控制器，完成抓取操作。

Al协同创新实验云是Al教学实验实训协同工具，涵盖真实行业项目的教学课程、授课教案、实验教学资源、硬件、平台等，可满足人工智能专业的学生了解行业真实案例中从起始阶段、细化阶段、构建阶段、业务环境、需求分析、技术架构选型等等各方面的项目细节，在线完成分类、建模、分析、可视化、结果输出等任务，并支持私有化部署和云端协同，帮助院校开展人工智能应用研发。

铁路勘测设计一体化、智能化是系统地研究和建立以数字化信息为基础，以计算机应用技术拉通勘测设计全过程为主要特征的新的生产作业模式。所以，该系统应将使用各种勘察手段所采集的铁路线路及其相关的地形、地理、地质、水文等资料加工成数字化信息，通过接口界面进行信息处理并传输到工程数据库中。先进的计算机网络必须覆盖各专业CAD终端，各专业在集成化设计环境中共享工程数据的信息，完成本专业设计，同时输出数字化和可视化的设计成果，供后序专业应用。设计完成后，全部CAD设计电子文件通过网络直接归档，从而实现铁路勘测设计一体化。随着各专业设计专家系统的建成与不断完善，再实现勘测设计智能化。在一体化新的作业模式下，勘测设计的全过程可以理解为对一般数字化信息流的采集、加工和扩充的过程。外业的勘测和勘探资料是这股数字化信息流的源头，各专业的设计工作是对信息流的加工和扩充。最终完成的数字化信息就是设计成果和归档资料。设计与管理所面向的不再是原来的书面资料和图纸，而是在工程数据库统一管理下，在网络的终端上有序受控流动的数字化信息流。所以，实现勘测设计一体化的过程就是从以非数字化为基础的现有作业模式向以数字化为基础的新的作业模式转化的过程。实现这一转化需要建立新的勘测设计流程，研究解决新模式带来的一系列技术层面和管理层面的关键问题。 1)勘测设计资料数字化是新的生产作业模式的基础，只有后道工序需用计算机处理的资料是数字化的资料，才能保证整个设计过程形成数字化的信息流。这就需要外业勘测时尽量利用各种测量仪器的数字化功能，使第一手资料即是数字化的形式，同时资料整理必须利用计算机来完成，才能获得满足内业设计要求的数字化勘测成果。为了实现外业数字化勘测，重点应研究以下问题：充分开发利用航测、全站仪及各种遥感设备的数字化功能；研究既有地图如何实现高精度、高清晰度扫描数字化处理；开发在勘测现场的铁路线路初步设计方案比选系统，改变外业队的作业方式，建立与数字化勘测相适应的装备水平、劳动组织、作业内容和管理制度。 2)建立工程数据库是新的生产作业模式的核心，新模式与原有模式的重大区别之一就是外业与内业之间、各专业这间需要共享的数据都要通过数据进行存取，所有的设计成果都由数据进行保存与管理。所以，如何开发一个符合铁路勘测设计行业特点、功能强大的工程数据库管理系统是本项目研究的一个重点。为此，需要研究与解决以下关键技术问题：做好标准化工作，制定铁路勘测设计一体化数据格式标准，规定每个专业的哪些数据需要进；如何处理非结构化数据；如何制定适应铁路勘测设计特点的数据结构。 3)建立铁路勘测设计集成化设计环境是新的生产作业模式的关键，新模式与原有模式的重大区别之一，就是全部内业设计均在集成化设计环境中进行。设计集成化环境是以计算机网络为平台，工程数据为核心，设计流程管理为主线，各专业设计软件与程序数据库接口为主要内容的计算机集成应用体系。为此，需要研究与解决以下关键技术头题：建设技术先进的计算机网络系统；研究出一种适应各种软件和各种数据需求的专业设计软件与工程数据库的接口方案；开发设计流程管理系统，保证整个设计在受控，有序的条件下进行。从而实现完全消除专业间书面资料的往来传动，每个设计人员在自己的计算机站点上就可完成设计和前后工各种间的信息交换。 4)建成计算机档案管理系统是新的生产作业模式的重要内容，新模式与原有模式的重大区别之一，就是全部电子设计文件采用光盘存储并由计算机管理。计算机档案管理可实现在网络环境下直接检索、查询、浏览和下载电子档案文件，并为电子设计文件重复利用提供了极大的方便。为此，需要研究与解决以下关键技术问题。正确处理管理型软件与管理方式之间的关系，就是说，所编的档案管理软件应满足行业的需要，适应各设计院在档案管理上存在种种差别的实际情况，而不是让各设计院改变档案管理方式来适应所编的软件；能浏览各种格式的电子文件，使软件具有良好的实用性。 5)采用人工智能技术是实现铁路勘测设计智能化的主要途径。传统CAD技术的特点是辅助设计人员进行计算与绘图，没有智能功能。总结国内外经验后，我们认为，以专家系统、智能CAD为主要内容的人工智能技术在铁路设计中的应用是实现铁路勘测设计智能化的主要途径。铁路选线是带全局性的非常错综复杂的设计问题，一直以人工以验为主进行设计，只能对有限的方案进行研究，设计周期长，推荐方案往往不是最优的。所以，必须要研究铁路新线设计智能CAD系统，以提高设计质量。采用综合地质勘探方法来解决特定的工程地质问题被证明是行这有效的。由于综合地质勘探模式有几十种，采用哪一种模式来解决某一个具体工程地质问题往往是很复杂的、模糊的。采用的模式不适合，就不能有效地解决问题，所以要研究铁路地质综合勘探方法专家决策支持系统，以显著提高地质工作质量