工程科技大数据技术创新战略联盟成立

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

今天上午,工程科技大数据技术创新战略联盟在北京成立。该联盟由中国工程院牵头倡议、20家单位共同发起成立,将致力于我国工程科技领域大数据汇聚打通、挖掘分析等技术创新和应用,实现“政产学研用”全链条的协同创新与产业提升。

中国工程院院长周济表示,大数据已经成为新时代最具价值的宝藏之一。对大数据的处理技术,深刻影响了经济、社会、教育、医疗和行政管理等多个领域,极大促进了产业发展转型、管理方式变革和社会效率提升。在国内成立工程科技大数据技术创新战略联盟,是落实国务院推进大数据发展战略的重要举措,也是我国工程科技大数据技术创新的重要实践。

周济对工程科技大数据技术创新战略联盟的发展提出三点建议:

一是加快推进,注重实效。联盟要通过科学的合作机制和运营模式,形成聚集优势,加快整合工程科技领域海量数据资源,推动公益性专业数据公开共享;要着力打造公益性一体化知识服务网络平台,助力大众创新创业和企业转型能力提升;要引导大数据关键共性技术研发方向,提高大数据技术工具应用转化和“政产学研用”结合效率;要围绕国家、区域、产业经济、科技发展重大需求,研发推广大数据知识应用。

二是加强合作,突出创新。联盟成员之间要合理分工,优势互补,形成利益共享、风险共担的产学研利益共同体,切实发挥联盟作为创新驱动“引擎”的作用,逐步建立政府引导、应用带动、互惠互利的发展机制,在技术路线上有创新,在应用推广上有创新,在合作机制、商业模式上有创新,实现可持续发展。

三是打造品牌,强化服务。联盟一定要紧紧围绕创新和服务两个要素,在创新上求突破,在服务上求提高,建设好大数据知识服务平台,为不同用户群打造个性化的知识服务产品,形成知识服务品牌。

工程科技大数据技术创新战略联盟由国内从事工程科技大数据技术前沿研究、产业技术攻关、信息服务、产品研发的企业、科研院所、大专院校组成,将在中国工程院和相关部委的指导下,以国家大数据相关政策为指引,基于多样化、多层次的自主研发与开放合作创新,建立工程科技大数据“政产学研用”相结合的技术创新平台,服务于工程科技领域“信息孤岛”的打通与汇聚,促进工程科技大数据集成创新、应用创新、服务创新,提升中国工程科技创新能力。中国工程院副院长陈左宁担任联盟第一届理事会理事长。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
19天前
|
存储 分布式计算 数据可视化
大数据常用技术与工具
【10月更文挑战第16天】
67 4
|
2天前
|
SQL 存储 算法
比 SQL 快出数量级的大数据计算技术
SQL 是大数据计算中最常用的工具,但在实际应用中,SQL 经常跑得很慢,浪费大量硬件资源。例如,某银行的反洗钱计算在 11 节点的 Vertica 集群上跑了 1.5 小时,而用 SPL 重写后,单机只需 26 秒。类似地,电商漏斗运算和时空碰撞任务在使用 SPL 后,性能也大幅提升。这是因为 SQL 无法写出低复杂度的算法,而 SPL 提供了更强大的数据类型和基础运算,能够实现高效计算。
|
5天前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
14 3
|
5天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
21 2
|
8天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
34 1
|
10天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
45 2
|
10天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
45 1
|
1天前
|
存储 分布式计算 NoSQL
【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想,包括Google的三篇重要论文:Google文件系统(GFS)、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础,进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
|
1月前
|
存储 数据采集 分布式计算
大数据技术:开启智能时代的新引擎
【10月更文挑战第5天】大数据技术:开启智能时代的新引擎
下一篇
无影云桌面