大数据工程技术实训平台产品是大数据实训为核心，主要面向培训机构和高校提供大数据工程技术人员认证的实训平台。平台围绕大数据工程技术知识体系及应用，集成了大数据行业内企业常用的大数据技术及组件工具，为学员提供丰富的项目化实训案例与实验环境，帮助学员快速掌握大数据工程技术体系及大数据专业技术技能。

海鳗（北京）数据技术有限公司是专注于智慧旅游大数据应用场景研究和价值挖掘的高科技公司，基于多年旅游大数据行业积累，整合成一套理论实践与行业应用相结合的旅游大数据教学、实训一体化平台。平台面向开设旅游专业的本科和高职、高专院校，助力院校专业数字化改造、课程数字化升级、教学数字化创新。 海鳗旅游大数据教学实训平台嵌入真实的产业数据及产业分析平台，帮助学生利用大数据相关知识在真实场景中解决实际的数据分析问题，并做出有效的业务决策。  

非结构化数据中台，能够让业务产生的海量非结构化数据也能够得到有效利用。非结构化数据中台以数据架构为底座，以人工智能来驱动，打通数据孤岛，统一管理并处理、分析非结构化数据，让数据赋能业务，实现数字资产管理、内容自动化、知识运营、业务合规性管理。 非结构化数据管理平台采用分布式架构，实现对海量非结构化数据的采集、存储、处理、索引。实现对非结构化数据的抽象、描述、分类、管理、分析、挖掘、监控等。

产品详细介绍请登录  中国科学软件网 了解stata软件报价和介绍信息。Stata是一款综合统计软件包,提供所有您想要的,包括数据分析,数据管理和绘图等.Stata各版本区别： Stata/SE, Stata/IC和Small Stata主要的区别在于每个版本能够分析的数据集大小。Stata/MP是一个拥有并行处理能力的Stata/SE。 Stata/MP: 适合双核、多核、多处理器计算机的Stata版本 Stata/SE: 适合大数据集的Stata版本 Stata/IC: Stata标准版本 Small Stata: 小型的、Stata学生版本 Stata/MP:运行最快和处理数据集最大的Stata版本。它通过并发运行多处理器或内核来加快运算速度。Stata/SE和Stata/MP允许数据集最多可达32,767个变量。观测值的数量仅受您计算机内存大小的限制。Stata/SE和Stata/MP在计算机内存大小足够的情况下允许最大11,000 x 11,000维矩阵。相关的是Stata/SE和Stata/MP能够拟合带有更多的自变量(最多10,998)的模型。 Stata/IC允许多达2,047个变量的数据集。观测值的数量仅受您计算机内存大小的限制。Stata/IC能够在一个模型中最多有798个右手边(right-hand-side)变量。 Small Stata限制能分析的数据集最多为99个变量并带有接近1,000观测值。Small Stata最多能在一个模型中有38个右手边(right-hand-side)变量。Student LabStudent Lab licenses are licenses that are strictly for use by students in a university computer lab for coursework and by faculty for teaching at degree-granting institutions.Student lab license限制只能安装在大学实验室内用于学生和教师上课教学使用。功能比较 版本最大变量数最大右手边变量数最大观测值数最大矩阵大小是否兼容64位系统？是否支持并行处理？平台 Stata/MP32,767 10,998无限*11,000是是Windows, Macintosh或 Unix Stata/SE32,767 10,998无限*11,000是否Windows, Macintosh或 Unix Stata/IC2,047798无限*800是否Windows, Macintosh或 Unix Small Stata99391,00040否否Windows 或Macintosh *最大观测值数仅受可使用的内存大小限制快速,简单并易于使用点击式的界面和强大,直观的命令语言让Stata使用起来快速,精确并易于使用。所有的分析结果都可以被复制和存档，并用来出版和审查。不管您什么时候写的内容，版本控制系统确保统计程序可继续生成同样的结果。统计功能介绍Stata使得大量的统计工具用于指尖标准方法基本表格和总结案例对照分析ARIMAANOVA 和MANOVA线性回归时间序列平滑广义线性模型（GLM）聚类分析对比和比较功率分析样本选择高级方法多层模型生存分析动态面板数据回归结构方程建模二进制，计数和审查结果ARCH多重替代法调查数据Treatment effects精确统计贝叶斯分析……

金属玻璃（又称非晶合金）是指在固态下原子排列具有短程有序而长程无序，并在一定温度范围内保持这种状态相对稳定的金属合金。近十几年来，块体金属玻璃的发展更是其发展过程的一个里程碑，使得金属玻璃作为结构材料成为可能。 与传统晶体材料相比，块体金属玻璃很高的强度、大的弹性极限（2%～3%）及良好的耐腐蚀性等突出优点。正是由于其独特性能，使得块体金属玻璃在体育用品、电子、医学及国防等领域得到了越来越广泛的应用。 本项目开发了一种短流程、适合于大规模工业生产、并能获得完全清洁复合界面的金属玻璃包覆金属丝复合材料的连续制备设备与工艺。 设备构成为，由真空系统、预热系统、加热系统、冷却系统、牵引机构组成。牵引机构上下各有一个导轮，两导轮竖直方向相切，且下部导轮与电机相连，可以将制备的丝直接缠绕起来，实现连续生产；冷却装置紧置于坩埚下部，保证包覆的合金液快速凝固形成金属玻璃。 工艺过程为：将按照名义成分配好的合金先用电弧炉熔炼成均匀的母合金，然后将母合金和金属丝装在底部带有小孔的坩埚中，金属丝一端自内而外穿过坩埚的小孔，在加热炉中重熔母合金并保温，然后通过牵引机构由电机带动下拉浸渍在熔体中的金属丝，使其表面均匀浸渍一层合金液，在穿过加热区后通过冷却介质快速冷却形成金属玻璃，最终获得具有较高强度与延伸率的金属玻璃包覆金属丝复合材料。 技术特点：金属丝可以选用具有较高熔点及较高强度的钨丝，金属玻璃合金可以选用具有较强玻璃形成能力及较好力学性能的锆基合金体系。电机牵引拉丝速率为1-5mm/min,冷却装置的冷却速率为所吹氩气流速1-5m/s。 已申请专利：张勇，陈晓华，陈国良，张兴超，王自东，“一种金属玻璃包覆金属丝复合材料的连续制备设备与工艺”，中国发明专利申请号：200710120355.4，专利申请时间：2007.08.00，专利公开日：2008年3月12日。

本发明公开了一种抗误码和丢包的信源编码与智能解码方法，包括：星上编码步骤：把图像划分成互不重叠的子块；对每个子块进行 JPEG-LS 编码；每 K 个子块后插入一组 EDC 信息形成检错码流；进行 RS(m,n)纠错编码；对检纠错码流按 c*m 字节分成等长的数据包；在压缩码流前加入每帧的压缩帧头，而在其压缩码流后加入每帧的压缩帧尾。地面解码步骤：采用距离最小化准则从码流中搜索压缩帧头，并提取一帧的压缩码流；在帧头中

本发明公开了一种碳包覆纳米锑复合材料的制备方法，包括： 将水溶性高分子溶于水中，配成水溶性高分子水溶液，以作为碳源； 将卤化锑，磷酸锑和硫酸锑中的一种或几种溶于有机溶剂中，形成锑 化物有机溶剂；将上述锑化物有机溶剂逐滴加入到所述水溶性高分子 水溶液中；将上述混合液冷冻干燥，并在还原性气氛中烧结，即可获 得碳包覆纳米锑复合材料。本发明还公开了利用上述方法制备的碳包 覆纳米锑复合材料，以及其作为电池负极材料的应用。本发明

随着科学技术的发展，互联网用户数量及应用规模不断扩大，传统互联网日益暴露出安全性、移动性、可扩展性及服务质量差等严重问题，无法满足当今乃至未来网络的需求。因此，迫切需要构思和设计全新的互联网体系与机制。近年来，国际上对新型互联网体系与机制的研究极为重视，美国和欧盟自2007年起，相继启动了FIND、FIRE和FIA等计划，但至今尚未见到综合有效解决上述问题的方案。/line在这种背景下，“标识网络体系及关键技术”项目以自主创新为主要手段，提出了新型互联网体系的构思，并获得国家973、863等科技计划的支持。项目组发明了标识网络体系及关键技术。

本平台设计一套集成学习系统用来精确预测未来时间段的流量，本系统使用随机森林，SVR，三指数 平滑、GBDT，BPNN等传统算法和机器学习算法作为单模型，并通过集成学习的方式提高预测准确率。

项目简介 随着互联网的发展，以网络视频、文件下载为代表的内容应用以及相应的数据流量开始成为主流。根据互联网流量分析机构CISCO发布的最新报告，在互联网流量高峰时段，以视频、网页、文件为主的内容流量已经超过互联网总流量的63%。海量的内容需求对互联网带宽带来巨大压力，而解决这一问题的有效方法就是CDN(内容分发网络)。CDN通过将内容分发至网络边缘，实现就近数据服务，从而减少网络带宽压力和服务器压力。随着CDN技术的出现，目前CDN 已经得到广泛应用。按照CISCO 预测，未来5年网络流量将增加5倍，其中70%以上的数据都将通过CDN进行传输。 未来网络媒体内容分发系统是下一代的流媒体 CDN 技术。传统CDN是一种集中控制、封闭式管理、私有的缓存技术。需要运营商投入巨大硬件和软件资源，搭建一个专用的内容分发平台，限制了CDN技术的性能和广泛使用。未来网络内容分发平台利用内容中心技术(Content-centricNetworking),实现泛CDN。网络上所有节点均可成为CDN缓存，自动管理和分发内容，无需专用硬件和软件平台。 北京大学网络视频实验室对网络视频传输、未来网络技术进行了多年的研究，在内容中心网络、HTTP流媒体、未来网络方面进行了透彻的分析和研究，开发了HTTP内容中心网络系统。应用范围 随着互联网流量的剧增，以及对网络视频质量要求的增加，内容分发网络的需求越来越大。按照CISCO预测，内容分发市场增长率将超过30%，具有广阔的市场前景。项目阶段 目前本项目已经完成了原型系统的开发，正处于产品化阶段。知识产权 北京大学网络视频实验室在承担国家863项目“未来网络体系架构和创新环境”基础上，重点研究了内容中心网络的命名方式、内容寻址机制和缓存路由协议，提出了命名内容查找协议NCR、期望最优路由协议ESP，并在INFOCOM、 SIGCOMM、CFI发表多篇论文，申请发明专利多项。合作方式 技术转让、技术许可、合作开发。