XiaoMi-AI文件搜索系统
World File Search System建立数据
大数据分析对竞争表现的影响
随着技术的进步，企业感知、抓住和转化动态环境中机遇和威胁的能力也不断增强，大数据分析被视为一项关键能力（Fosso Wamba 等人，2017 年；Grover 等人，2018 年；Mikalef 等人，2020 年）。大数据分析能力 (BDAC) 代表企业部署技术和人力资源以从大数据中创造价值的独特能力，大数据的广泛特征是其生成的数量、种类和速度（Fosso Wamba 等人，2015 年）。通过同等重视获取和开发技术资产、人才能力以及建立数据驱动的组织文化，这将创造洞察力并传播到整个企业（Gupta & George，2016 年；Mikalef 等人，2019 年）。通过这一过程，BDAC 能够广泛而深入地了解市场、客户和竞争对手的趋势（Fosso Wamba、Queiroz 等人，2020 年）。这些见解支持公司了解市场中的机遇和威胁，并在必要时转变其商业模式以提高竞争力（Ciampi 等人，2021 年）。
建筑系统和能源存储系统的本体集成
建筑本体定义了建立数据的概念和组织。这些知识可以在自动数据访问和支持建筑物中的数据驱动应用程序方面提供帮助。随着电池和能源存储的技术进步，越来越多的数据驱动的建筑物应用程序涉及建筑系统和能源存储系统（ESS），例如峰值剃须（PLS）。但是，现有的建筑本体论，例如砖，并非旨在包括来自ESS系统的概念。鉴于建筑物应用程序的出现，开发可以涵盖有关建筑和ESS系统知识的本体已经变得很重要。建筑系统和ESS系统属于不同的工业领域，并且已经独立发展的建筑本体和ESS本体。为了最大程度地重复利用知识，我们利用本体集成技术。我们提出了一个建筑能源存储本体集成（BE-SOI）系统，该系统可以通过适当的ESS本体论扩展建筑本体。我们的系统处理本体整合中的歧义，不连贯和冗余问题。我们通过扩展具有不同ESS本体论的著名建筑本体的Brick来评估BESOI对四个建筑物的应用程序进行评估。结果表明，Besoi可以将砖的覆盖范围从68.09％扩展到应用程序概念的95.74％。
Amindorostian- Amin Udunanian的个人页面
机器学习工程师|创始人2月。2021 - Present • ECA : [ONGOING] Building Enterprise Coding Assistant, a developer tooling that integrates seamlessly with existing workspace apps and leveraging Generative AI (LLMs) makes software development much more efficient Full-stack development of the application (Svelte, Tailwind, Python, Docker, Kubernetes, CI/CD, OIDC support, Event-driven architec- ture) • MN资产管理：[正在进行的]进行数据枢纽，以提供数据驱动的体系结构，使各种应用程序Spark，Kafka，Kubernetes，kubernetes，airfflow，aws•ABN AMRO银行：建立数据科学家将其模型带到生产Kafka，Azure Cloud Managed Services（Active Directory等）的平台），气流，kubernetes•deribit：帮助，加密世界中最大的衍生品交换之一，发现使用ML的恶意交易。使用Google BigQuery，ML引擎和DataFlow分析超过1000亿行的行•BITVAVO：为荷兰加密货币现场交换的BigData解决方案工作，以便为他们提供有关客户的见解。为他们的数据管道技术堆栈奠定基础：Kafka，BigQuery，Python，Kubernetes，CI/CD•Neurololytics：AI平台的MLOPS和建筑设计
数据和分析技术权威
参考： (a) 海岸警卫队组织手册，COMDTINST M5400.7（系列） (b) CCG 备忘录 2022 年 11 月 2 日第 5402 号，《建立数据和分析技术领域》 (c) 2018 年《循证政策制定基础法案》，Pub. L. No. 115-435 (d) CCG 备忘录 2022 年 6 月 21 日第 5420 号，《指挥指令：100 天行动计划》 (e) James M. Inhofe 2023 财政年度国防授权法案，Pub. L. 117–263，§ 11226-11227 (f) VCG 备忘录 7000（2023 年 4 月 11 日），重新指定海岸警卫队首席数据官（CDO）为首席数据和人工智能官（CDAO） (g) 2018 年循证政策制定基础法案第一阶段实施：学习议程、人员和规划指导，OMB 备忘录 M-19-23 (h) 指挥官；一般权力，14 USC § 504(a)(26) (i) 2020 年 12 月 3 日第 13960 号行政命令，促进联邦政府使用可信赖的人工智能 (j) 模型和模拟 (M&S) 的验证、确认和认证 (VV&A)，COMDTINST 5200.40（系列） (k) 美国国家标准与技术研究所人工智能风险管理框架 1.0，NIST AI 100-1
主题：2023 财年预算的多机构研究与开发重点
大流行病的准备和预防。COVID-19 已在美国夺走了 60 多万人的生命，造成了数万亿美元的损失，这充分表明了大流行病的破坏性影响。随着美国从这一历史性事件中走出来，比以往任何时候都更重要的是，不要自满，要确保为应对下一次新出现的大流行病的挑战做好准备。各机构应继续在先前的研发投资基础上，在早期预警系统、诊断、治疗以及疫苗开发和制造方面进行投资，以防止和应对国内和全球的大流行病和其他生物威胁。重点领域包括：加快疫苗设计、测试、生产、分发和管理，重点是可扩展的平台调节剂；快速开发、易于使用且价格合理的诊断技术；抗病毒疗法，包括蛋白质抑制剂、中和抗体和免疫调节剂；以及数据和技术投资，以支持早期预警和实时监测，包括基因组测序、病毒变体跟踪和环境监测。各机构应利用美国政府的这些投资来加强公共卫生系统，特别关注农村地区、服务不足的社区以及退伍军人和军事卫生系统。各机构应建立数据基础设施、制造和交付能力以及支持快速和可扩展的公共卫生响应所需的劳动力（无论是在国内还是全球），并为实现政府在大流行防范方面的目标所需的基础科学和关键技术提供资金。
电池微电网项目
1.1. 项目背景 斯威士兰能源监管局 (ESERA) 获得了全球环境基金 (GEF) 的资助，代表自然资源和能源部 (MNRE) 实施非洲微电网计划 (AMP) 项目。AMP 斯威士兰项目是目前正在非洲大陆同等数量国家实施的 21 个 AMP 项目的一部分。该项目由联合国开发计划署 (UNDP) 资助，主要资金来自全球环境基金 (GEF)，并与落基山研究所 (RMI) 和非洲开发银行 (AfDB) 共同实施，与非洲及其他地区的众多微电网利益相关者建立联系。斯威士兰 AMP 的目标是通过提高财务可行性和促进扩大可再生能源 (RE) 微电网的商业投资来支持清洁能源的使用。它旨在加速可再生能源微电网的发展，建立数据和知识资源以及“概念验证”商业模式，为规划提供信息，降低投资风险并鼓励私营部门参与该国。这符合该国的可再生能源 (RE) 目标，也符合微电网将有助于实现《国家能源政策 (2018)》和《斯威士兰王国能源总体规划 (2034)》中提出的实现普遍能源使用目标的期望。该项目的一部分需要设计、建造、运营和维护太阳能光伏电池绿地微电网项目，重点是作为电力的主要承购商的生产性使用能源，使 Nkwene Inkhundla 领导下的 Shiselweni 地区 Bulimeni 社区的家庭能够通电。
目的抽样
有目的的抽样已在研究学科中广泛使用，尤其是在商业和管理研究中。现有文献主要集中在其在定性研究中的应用上，但在定量环境中使用它的基本原理仍未得到充满意，使研究人员的实际指导有限。此外，在学术文本，特别是书籍中都可以找到许多可用的文献，这些文献可能并不总是为成功实施和报告有目的性采样的定量研究提供足够可行的指导。本社论通过介绍专门针对用于定量研究的目的抽样定制的结构化准则来解决这些差距。它为系统地实施和透明地报告目的抽样提供了实用建议。社论讨论了不同类型的目的抽样，包括标准采样，最大变化采样和理论采样，并在定量环境中说明了它们的应用。它还讨论了如何将有目的的抽样与其他技术（例如雪球采样和配额抽样）结合起来，以增强数据质量和相关性。列出了详细的逐步指南，用于采用有目的的抽样并以可靠的方式报告其在定量研究中的使用。此外，我们为作者和审阅者提出了一个显着清单，以确保报告的严格，透明度和报告的一致性。这项工作通过介绍在定量研究中采用有目的性抽样的第一个综合框架之一，有助于对采样的越来越多的论述。通过指导研究人员以更严格和透明度采用有目的的采样，我们希望建立数据的代表性并提供更可靠的估计来解释或预测调查现象。
尼日利亚实施 COVID-19 疫苗接种后不良事件 (AEFI) 数据三角测量和仪表板开发
摘要 尼日利亚于 2021 年 3 月 5 日开始接种 COVID-19 疫苗，并正在努力实现世卫组织在非洲区域的目标，即到 2022 年 12 月为 70% 的符合条件人口全面接种疫苗。尼日利亚的 COVID-19 疫苗接种信息系统包括一个针对免疫后 COVID-19 不良事件 (AEFI) 的监测系统，但截至 2021 年 4 月，AEFI 数据由多个团体收集和管理，缺乏常规分析和采取行动。为了填补 COVID-19 疫苗安全监测的这一空白，2021 年 4 月至 2022 年 6 月期间，美国疾病控制和预防中心与尼日利亚人类病毒学研究所领导的其他执行伙伴合作，支持尼日利亚政府对现有的 COVID-19 AEFI 数据进行三角测量。本文介绍了在尼日利亚实施已发布的 COVID-19 AEFI 数据三角测量指南草案的过程。在这里，我们关注的是实施数据三角测量的过程，而不是分析三角测量的结果和影响。工作首先是绘制 COVID-19 AEFI 数据流图、吸引利益相关者参与并建立数据管理系统来接收和存储所有共享数据。这些数据集用于创建一个在线仪表板，其中的关键指标是根据现有 WHO 指南和国家指导选择的。仪表板在分发给利益相关者之前经过了反复审查。本案例研究重点介绍了实施数据三角测量以快速使用 AEFI 数据进行决策的成功案例，并强调了利益相关者参与和强大的数据治理结构对于使数据三角测量成功的重要性。
医疗保健物联网中自适应多因素身份验证的数据分类法
过去十年，随着我们迈向按需提供服务和数据的数字化未来，医疗保健行业面临着各种挑战。互联设备、用户、数据和工作环境的系统被称为医疗保健物联网 (IoHT)。过去十年，IoHT 设备作为具有强大可扩展性的经济高效的解决方案应运而生，以解决有限资源的限制问题。这些设备满足了物理交互之外的远程医疗保健服务需求。然而，IoHT 安全性经常被忽视，因为这些设备被快速部署和配置为满足高度饱和的行业需求的解决方案。在 COVID-19 大流行期间，研究表明，网络犯罪分子正在利用医疗保健行业，数据泄露通过身份验证漏洞瞄准用户凭据。根据 IBM 报告，密码使用和管理不当以及 IoHT 中缺乏多因素身份验证安全态势导致数百万美元的损失。因此，医疗保健身份验证安全转向自适应多因素身份验证 (AMFA) 以取代传统的身份验证方法非常重要。我们发现，缺乏针对 IoHT 数据架构的数据模型分类法，以提高 AMFA 的可行性。该观点侧重于在总结 IoHT 数据主要组成部分的数据模型的理论框架中识别关键的网络安全挑战。这些数据将以适合现代 IoHT 环境中的医疗保健用户以及应对 COVID-19 大流行的方式使用。为了建立数据分类法，我们对最近的 IoHT 论文进行了审查，以讨论 IoHT 数据管理和在下一代身份验证系统中使用的相关工作。审查了与远程身份验证和用户管理系统的问题陈述相关的 IoHT 身份验证数据技术的报告、期刊文章、会议和白皮书。仅包括过去十年（2012-2022 年）用英文撰写的出版物，以确定当前医疗保健实践及其对 IoHT 设备的管理中的关键问题。我们从数据管理和敏感性的角度讨论了 IoHT 架构的组件，以确保所有用户的隐私。数据模型满足了 IoHT 用户、环境和设备对医疗保健领域 AMFA 自动化的安全要求。我们发现，在医疗保健身份验证中，发生的重大威胁与数据泄露有关，这是由于 IoHT 设备的安全选项薄弱和用户配置不佳造成的。本文讨论了 IoHT 数据架构的安全要求以及确定的针对医疗保健设备、数据及其各自攻击的有效网络安全方法。数据分类法提供了更好的理解、解决方案和并改进远程工作环境中的用户身份验证以确保安全。
土耳其国家报告 - 联合国全球地理信息管理
土耳其国家测绘局、测绘总局的国家报告 简介 作为土耳其国家测绘局，测绘总局 (GCM) 负责建立和维护大地测量网络、收集和构建地形数据、地理空间信息以及制作土耳其标准地形图系列。GCM 的使命是及时且经济地为所有用户和社区提供各种适当、一致、最新的地理空间产品。地理空间产品是现代国家信息基础设施的重要组成部分之一，是各级行政机构运作、国家可持续发展和信息社会发展必不可少的组成部分。空间信息的特殊作用源于其应用的全球性、内容的丰富性、获取和维护的成本以及其服务的各种目标。对空间信息的需求快速增长，加上信息和通信技术的蓬勃发展，促使土耳其采取各种举措，以及政府和自治项目，旨在实现系统现代化和发展空间信息基础设施。每年，暴风雨和洪水都会给地球带来重大问题。这只是几个例子，说明几乎所有影响我们生活的事物都与地理的某些方面有关。我们对该地区了解得越多越好。我们拥有的信息越多，我们就能更恰当地采取行动、规划和分配资源、处理损害、管理风险、实施预防措施并确保我们做好准备。地理空间信息的收集和存储仍然是当今地图绘制领域的难题。数据存储在不同的数据库系统中，基于不同的规范或具有不确定的质量。查找感兴趣的数据或访问此类数据也可能很困难。因此，方便用户搜索、查找和访问所需数据至关重要。为了解决这些问题，GCM 开展了大地测量、摄影测量和制图研究和生产活动。1.TUTGA 是该国第一个基于 GPS 技术的基础大地测量网络 [1]。该网络由大约 600 个站点组成（见图1），这些站点是通过 1997 年至 1999 年之间的活动型 GPS 调查建立的。对于每个站点，建立空间信息基础设施的主要目的是：� 最大限度地提高数据质量和一致性，� 通过避免重复工作和建立数据生产者之间的有效合作，最大限度地降低数据收集和修订成本，� 通过实现互操作性，实现来自不同来源的数据组合，� 推进数据访问，例如基于 Web 的服务，� 促进电子政务的发展和使用空间数据建立的业务。大地测量网络和地震：三个不同的 GNSS 网络，即土耳其国家基础 GPS 网络 (TUTGA)、土耳其国家永久 GPS 网络 (TUSAGA) 和连续运行参考站 (TUSAGA- Active)，是土耳其大地测量定位、测绘、导航和地球动力学的基础。由于 1999 年中期后的破坏性地震，一些站点被重新测量。