北京新大陆时代教育科技有限公司是新大陆科技集团的成员企业。新大陆教育是致力于面向全国院校进行校企深度合作、面向技术技能学习者进行技术技能培训及鉴定的企业，是新大陆科技集团回报社会、回报教育的直接执行者。新大陆面向全国高校、职业院校、技工院校进行产、学、研、创校企合作，将物联网、工业互联网、人工智能、大数据、区块链、数字金融等行业企业人才需求导入院校人才培养体系，实现数字技术产业人才培养和市场需求的“无缝对接”。新大陆教育已经与全国1000多所院校在专业建设、师资培养、实训基地建设、职业技能培训、鉴定等方面与院校开展多层次合作。在2018年获福建省教学成果一等奖、江苏省教学成果一等奖、工信部教学成果一等奖等荣誉。新大陆目前已经与 20多所院校建立校企产业学院，在校生已达 3 万余名，多年来为产业输送 10万余名优秀人才。合作院校覆盖除西藏外的33个省、市、自治区、特别行政区，具有完整的全国培训服务支撑网络。

　　您的教学资源建设得力助手 　　通过大量、集中式课程录制，帮助学校积累丰富的教学资源;通过巡课、点播与教学数据分析，帮助教务人员提升教学质量;通过实训辅助，帮助学生动手操作。同时，高自动化的系统，可将管理人员工作量减少到最低，是您不可多得的教学能手。 　　统一管理、集中监控 　　BS架构管控中心，完成整个系统运行所需的参数设置和管理项配置，通过CS/BS架构的巡课系统，进行远程监看与控制，无需跑路，坐在办公室即可完成日常的巡课与考场监督。 　　批量录制，自动上传 　　仅需一次配置，即可完成日后大批量的课程自动录制，同时自动发送直播信号，并将录制后的课程上传至平台点播，与资源平台无缝互联。 　　业内独有“出勤率”统计分析 　　采用上洋自主研发的图像分析技术，推出业内独有的学生出勤率分析功能 　　智能分析每节课中学生的出勤情况，并反馈给督导人员，督促学习 　　系统监控，数据分析 　　教室数量过多，课程数据庞大，管理人员怎么查? 　　SoCluster通过系统监控模块，教室、服务器工作状态一览无余，通过课后每日的录制统计，对课程资源建设进行宏观把控。帮助学校总结教学规律，分析学员行为，提升教育培训的核心价值。 　　嵌入式跟踪系统 　　继承了上洋独创的电视语言，采用嵌入式跟踪架构，在课程记录的同时兼顾录制效果，通过跟踪、切换等录制策略，将教学资源更好地呈现。 　　实训教学辅助 　　无论是教学实验、动手实践，学生可通过实训辅助更好的观看到教师操作示范 　　做到课前预习，课后巩固，并可自行录制操作视频，供教师检验审核。

开展专递课堂、同步课堂的互动教学模式 通过云视讯技术，能灵活开展各种互动教学活动。充分利用名师资源，开展“一点带多点”的远程互动课堂活动，解决教育资源不均衡带来的困扰。各学校之间亦可通过互动课堂模式，各自发挥自身的学科优势，通过教学互动分享各自学校的教学特色，学校间互助互学，促进区域内的教育教育均衡。   开展区域内网络教研活动 通过时代新维同步课堂及智慧教研系统，市区县教育局领导、专家、各学校教师可通过时代新维课堂教室配合时代新维智慧教研平台，随时随地开展区域网络教研活动，同时支持音视频互动、课件共享应用。同时教研员可以通过互动系统进行远程听课，解决教研员需要长途奔波到各学校进行听课的困扰，提供教研效率、节省教研开支。   开展区域内视频会议应用 利用建设的时代新维同步课堂教室，配合时代新维同步课堂服务平台，实现跨地域的远程视频会议应用。充分发挥线上会议的优势，克服地理的差异，保证各级教育局、学校之间也能同时进行远程视频会议活动的开展。   开展区域名师课堂应用 充分发挥名师的示范、辐射和指导作用，以“名师工作室”等形式组织特级教师、教学名师与一定数量的教师结成网络研修共同体，提升广大教师的教学能力和水平。积极组织推进多种形式的信息化教学活动，鼓励教师利用信息技术创新教学模式，推动形成“课堂用、经常用、普遍用”的信息化教学新常态。鼓励中小学教师利用空间开展备课授课、家校互动、网络研修等日常活动；发挥优秀教师的示范引领作用，实施跨学校、跨区域的名师课堂、在线辅导等有利于促进区域教育均衡发展的空间应用新模式。   开展区域名校网络课堂应用 创新推进“名校网络课堂”建设，各地教育行政部门要制订相关规定，鼓励、要求名校利用“名校网络课堂”带动一定数量的周边学校，使名校优质教育资源在更广范围内得到共享，让更多的学生享受到高质量的教育。是利用网络直播或点播的方式（点播为主，直播为辅），实现将名校课堂实况传输到远程学校或家庭。   开展家校互动共育应用 通过多种途径，使家长意识到空间是学生学习、获取公共教育资源服务、参与学校与班级教学活动、寻求学习帮助的重要途径，认识到空间是家校互动的开放环境。鼓励家长利用空间动态跟踪孩子学习过程，了解孩子发展情况，关注德育、劳动、日常生活习惯等方面的教育。参与学校管理活动，加强对孩子空间应用的有效监管，引导孩子科学规范地使用空间，增强家校互动，实现家校共育。

智慧教育云平台是光大教育根据国家“三通两平台”的建设要求，针对教育资源分布不均衡、服务低效等问题，为各级教育管理部门而搭建的一站式中小学云应用管理平台。 平台由基础支撑平台、教育资源公共服务平台和教育管理公共服务平台构成，通过线上线下相结合，软硬件结合，采集教育过程数据，形成教育大数据服务中心，实现人人有空间、人人用空间的目标，促进教育思想、教学方法、教学内容的变革，助力实现教育公平。 多角色应用 教育局：资源整合 精准管理 教育监控 决策支持 提高教育治理水平 促进教育公平 教研室：选优培优 评课开展 教研活动组织 名师工作室建设 教学质量分析 学校：教学管理 教职工管理 学生管理 办公流转 招生管理 校园安全管控 活动举办 教师：轻松备课 针对性教学 提高工作效率 提高教学质量 学生：学习任务 自主学习 社区学习 素质作业 拓展学习 成长轨迹 全面发展

高校申请认证突击拼凑，认证工作浮于表面，急于求成。 自评资料准备过程繁琐，部分资料缺失。 学生学习过程中的表现缺乏客观性的跟踪与评价，考核评价都集中在最终考试或实验报告的结果。 非技术性指标点的支撑不足，如个人与团队、项目管理、终身学习。 课程目标达成度及毕业要求达成度，计算工作量大。 持续改进，无法有效形成闭环。无法及时、显像化的找到持续改进的问题点，如无法有效利用外部评价数据作为持续改进的依据。      

我公司产品线产品可覆盖并满足：“无人机驾驶”、“无人机操作应用“、”无人机组装与调试“等1+X认证体系要求，并且符合竞赛标准；

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。

2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。​结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。 

提出基于地震波观测的滑坡快速检测和滑动几何形态的分析方法，可服务于滑坡次生灾害的预警。       2018年12月22日因无预警海啸致使印尼苏达海峡沿岸城市437人死亡，几千人受灾。叶玲玲教授等利用印尼的宽频带地震波数据，发现此次海啸由滑坡引发，与2018年活跃的Anak Krakatau火山活动有关。相对于地震滑动，滑坡造成的地振动以低频成分为主，高频成分较少（图1），造成目前常规基于高频地振动信号的地震-海啸预警系统失效。雷达影像资料分析进一步证实海啸源是Anak Krakatau火山西南侧的滑坡（图2）。采用震源单力模型，长周期地震波观测约束滑坡平均倾角为12°；结合地震波和卫星遥感资料观测，得到滑动体积约为0.2 km3。这些参数为海啸模拟提供了重要约束。 在2018年印尼火山滑坡事件中, 地震波信号10分钟传播到整个苏门答腊和爪哇地区, 被几十个地震台接收，利用Wphase反演方法15分钟可得到有效的滑坡信息。由滑坡引发的海啸波传播速度较慢, 半小时后传播到附近的海岸带地区。因而该研究中基于Wphase方法的滑坡快速检测和滑动几何形态的分析方法可有效运用于该类型滑坡海啸预警中。

建设消化系统肿瘤的大数据平台，通过整合肿瘤临床信息、影像数据、生物样本库数据、高通量生物多组学的数据，系统地构建消化系统肿瘤大数据，并结合人工智能平台进行大数据的挖掘与分析。该团队基于肿瘤大数据平台开展肿瘤临床诊疗的真实世界研究，探索肿瘤的精准诊断、预后预测和耐药分子机制 徐瑞华教授团队开始着手构建磷酸化定量数据库qPhos。通过收集已发表的定量磷酸化组数据，共整合了199071个磷酸化位点上的3537533个定量磷酸化信息，其中86%的数据来自肿瘤组织样本及相关细胞系。有关定量实验的详细信息，包括实验条件、实验所用的细胞系或样本等数据也纳入了数据库中。对每个磷酸化位点，都注释了实验验证的或潜在的上游激酶，以便理解其分子调控机制。同时，通过整合UniProt，ExPASy和DrugBank等数据库中的信息，对磷酸化位点所在蛋白质的生化特征、上游激酶的靶向药物情况进行了详细的注释，方便查询和使用。       此外，数据库中还开发了qKinAct分析模块，研究人员可以基于自己的定量磷酸化组数据分析得到相应的激酶活性相关磷酸化位点信息，进而分析异常的磷酸化信号通路。因此，qPhos是首个全面涵盖肿瘤和疾病相关重要磷酸化修饰动态水平的数据库，为研究蛋白磷酸化修饰及其动态调控提供了一站式服务。