XiaoMi-AI文件搜索系统
World File Search System信息系统
投资信息系统和技术
对信息系统和技术的投资就像物理资产一样，ODOT拥有并维护数字资产（应用和技术基础架构），这些资产需要定期维护其一生。在许多情况下，数字资产比物理资产更快。这是由于业务需求变化的频率以及不断变化的技术的不懈速度。在申请达到9年的情况下，没有进行重大维护工作或替换，这开始对组织的生产力负担。随着时间的流逝，逐渐缺乏与业务需求或当前的技术标准保持一致，导致需要手动解决方法，无法有效满足新的业务需求，通过整合应用程序服务的整合，维持支持人才的困难以及与数据透明度和互操作性的挑战来避免成本自动化的障碍。在ODOT的应用程序组合中，180个不影响业务的应用程序的平均年龄为16岁。好消息是，大约30％的应用程序表现良好，值得继续投资以维持其绩效。但是，超过60％的ODOT应用程序需要重大的现代化或批发替代。由于各种原因，它们超出了为代理机构提供合理的维护投资回报率，充其量可以维护以提名满足业务需求。对ODOT应用程序开发和支持成本的基准分析表明，该机构的成本效率比同行高13％。但是，该部门的IT预算中有95％用于经营该业务，只有5％用于变革性工作。ODOT擅长保持我们的老年系统运行和部署战术服务以支持新的业务需求。，但缺乏进行变革现代化的重大投资（例如DMV现代化项目OLIVR），该部门在维持这种生产率水平方面的位置不佳。我们从行业研究中知道，这是一个具有挑战性的立场，因为超出9年期的应用程序每年的生产率下降了2％-3％，挤出了新的，长期寿命的商业能力的投资，并产生了更多的战术投资，而这些投资本身只会增加支持复杂性。我们的信息系统资金请求中包含几个关键程序。它们如下：1985年实施的交通环境会计管理系统（团队）的会计，成本管理，资产管理和报告是ODOT的合并财务，成本会计和资产（例如卡车和维护设备）管理系统。该系统在过时和老化的COBOL大型机器机器人系统上运行。因此，对本应用程序的修改（例如实施新业务流程）几乎是不可能的。取代该系统对于ODOT的长期成功至关重要。一个整体解决方案，为部门提供了现代，透明，高效，可访问，
俄勒冈州医疗补助管理信息系统 (OR-MMIS)
俄勒冈东部 CCOA CCOB CCOE CCOF CCOG 贝克 A270E E270E J270E F270E N270E 吉利姆 A275E E275E J275E F275E N275E 格兰特 A280E E280E J280E F280E N280E 哈尼 A285E E285E J285E F285E N285E 莱克 A290E E290E J290E F290E N290E 马卢尔 A295E E295E J295E F295E N295E 莫罗 A300E E300E J300E F300E N300E 谢尔曼 A305E E305E J305E F305E N305E 尤马蒂拉 A310E E310E J310E F310E N310E 联合 A315E E315E J315E F315E N315E 瓦洛瓦 A320E E320E J320E F320E N320E 惠勒 A325E E325E J325E F325E N325E
增强赞比亚的健康信息系统
赞比亚的卫生部（MOH）介绍了几项旨在通过集成数字技术来改善健康信息系统（HIS）的战略计划。这些五年的策略包括数字健康策略，健康信息系统策略和互操作架构框架，与赞比亚的电子政务总体规划（2018-2030）保持一致。该研究调查了数字技术如何增强他的，重点是提高健康数据的效率，可访问性和准确性。使用了一种混合方法方法，涉及对现有策略和出版物的次要审查，以及与主要利益相关者的访谈和焦点小组讨论。该研究还研究了赞比亚他的他的数字演变和互操作性，特别关注10个健康信息系统。研究表明，赞比亚有14个以上的现有信息系统。MOH正在从基于纸的系统过渡到电子健康记录，以允许医疗机构以数字方式捕获和存储患者数据。国家卫生管理信息系统使用地区信息系统2（DHIS2）作为其基础数据库，用于收集，管理和分析卫生系统各个级别的健康数据。关键要素，例如可持续融资，MOH中的关键局之间的协调以及数据科学的增强能力，数据分析和信息学的能力将是推动这种数字化转型的关键。该研究得出结论，这些策略的实施对于提高数据质量和支持基于证据的计划和决策的更强大的实施至关重要，从而促进了医疗保健提供的效率和公平性，以实现更好的健康成果。
Ma Yunshan-计算与信息系统学院Robert Deng 研究声明Robert Deng研究声明
精选出版物和输出[1] Wessel，Mairieli，Joseph Vargovich，Marco A. Gerosa和Christoph Treude。“ github动作：对拉请求过程的影响。”经验软件工程28，否。6（2023）：1-35。[2] Shimada，Naomichi，Tao Xiao，Hideaki Hata，Christoph Treude和Kenichi Matsumoto。“ GitHub赞助商：探索一种为开源贡献的新方法。”在第44届国际软件工程会议论文集，pp。1058- 1069。2022。[3] Kula，Raula Gaikovina和Christoph Treude。“战争与和平：世界政治对软件生态系统的影响。”在第30届ACM联合欧洲软件工程会议论文集和软件工程基础的研讨会上，pp。1600-1604。2022。[4] Xiao，Tao，Hideaki Hata，Christoph Treude和Kenichi Matsumoto。“用于拉的请求描述的生成AI：采用，影响和开发人员干预措施。”ACM在软件工程1上的会议记录，第1期。FSE（2024）：1043-1065。 [5]高，高尤，曼索尔·扎赫迪，克里斯托夫·特雷德，萨里塔·罗森斯托克和马克·舒恩。 “记录开源AI模型中的道德注意事项。” 在第18 ACM/IEEE国际经验软件工程和测量研讨会上 177-188。 2024。 [6] Reboucas de Almeida，Rodrigo，Rafael do Nascimento Ribeiro，Christoph Treude和UiráKulesza。 “以商业为导向的技术债务优先级：工业案例研究。” 74-83。FSE（2024）：1043-1065。[5]高，高尤，曼索尔·扎赫迪，克里斯托夫·特雷德，萨里塔·罗森斯托克和马克·舒恩。“记录开源AI模型中的道德注意事项。”在第18 ACM/IEEE国际经验软件工程和测量研讨会上177-188。2024。[6] Reboucas de Almeida，Rodrigo，Rafael do Nascimento Ribeiro，Christoph Treude和UiráKulesza。“以商业为导向的技术债务优先级：工业案例研究。”74-83。2021年IEEE/ACM国际技术债务会议（TechDebt），pp。IEEE，2021。
信息系统技术员，TAR - K200 - MyNavyHR
对于 FY-25 入伍计划授权，IT TAR 评级为 108%，健康** 转换机会如下：E5 仅适用于 2011-2018 年 E4 仅适用于 2018-2021 年**
信息系统技术员，TAR - K200 - MyNavy HR
IT TAR 评级为健康，FY-25 入伍计划授权为 108% ** 转换机会如下：E5 仅适用于 2011-2018 年 E4 仅适用于 2018-2021 年**
面向制造业的人工智能企业信息系统
摘要：本文介绍的研究工作考虑了当代企业信息系统 (EIS) 的功能架构，并对集成在客户关系管理、供应链管理、库存和物流、生产计划和调度、财务和会计、产品生命周期管理和人力资源中的 AI 应用进行了文献综述，特别关注制造企业。作为审查结果，在每个流程中确定了增强的功能，并将其提出为 AI 服务。AI 支持与企业通过使用 (a) 机器学习 (ML) 模型或 (b) 基于逻辑的系统来实现改进的决策或自动化的能力有关。这是一个企业转型的过程，导致四大颠覆性技术的融合，即工业物联网（或网络物理系统）、基于代理的分布式系统、云计算和人工智能（非符号 AI，如机器学习、神经网络；符号 AI，如推理和基于逻辑/模型的 AI）。
计算机科学工程和信息系统（得分）
87 12929 Valarmathi博士人工智能，数据科学，机器学习，文本挖掘，物联网，软计算，软计算，网络安全，机器智能，软件工程，自然语言处理SJT 611 F 9442811963 Valarmathi.b@vit.ac@vit.ac.ac.ac.in 5
主动脉狭窄的机器学习：增强健康信息系统的诊断准确性和安全性
疾病爆发对公共卫生系统构成了重大挑战，通常需要快速的反应策略来减轻广泛的健康和经济影响。传统的爆发预测和监视方法虽然有效，但通常缺乏处理和分析现代医疗保健生态系统中产生的大量异质数据的能力。机器学习（ML）在该域中提供了变革性的潜力，利用其处理大型数据集，识别复杂模式并提供实时见解的能力。通过整合电子健康记录（EHR），社交媒体饲料，气候数据和基因组序列等多种数据源，ML算法可以以前所未有的准确性来预测疾病爆发。已成功应用于预测流感趋势，而无监督的聚类技术已采用用于检测指示新兴感染性疾病的异常情况。此外，ML通过自动化数据处理管道，增强实时监控功能并促进爆发响应的资源优化来促进先进的公共卫生监视。尽管有这些进展，但在公共卫生监视中采用ML并非没有挑战。与数据隐私，道德考虑，算法解释性以及与现有公共卫生基础设施集成有关的问题仍然是重大障碍。本文强调了ML在转变公共卫生监测中的关键作用，重点是其在疾病爆发预测中的应用。解决这些挑战需要一种多学科的方法，结合了健壮的数据治理框架，改善算法透明度以及技术开发商与公共卫生利益相关者之间的合作。它强调了持续创新，监管支持和道德考虑在推进全球卫生安全解决方案方面的重要性。