5G 共建共享——降低部署成本 11 连接未连接者——非洲首个电信浮空器 12 迈向绿色——降低网络能耗 14 5G 自动化农业——提高产量,减少浪费 16 亚运会数字孪生网络生命周期管理 17 支持 5G 和 XR 的数字孪生商店——引人注目的共存 18 Bridge Alliance 联合边缘中心——实现沉浸式娱乐 19 5G——使企业无人机能够超视距飞行 20 5G 无人机测试 20 5G 无人机——用于库存管理和监控 21 5G New Calling——开辟新的通信服务 22 5G-Advanced——性能的根本升级 23 5G mmWave——在人口密集的地方实现超高速连接 24 索尼为 NTN 提供技术支持——使用 Murata 的 1SC 模块和 Skylo 的网络 25 被动物联网——自动资产跟踪 26 诺基亚网络即代码– 可编程网络 27 授权推送支付欺诈 28 金融移动应用的企业身份验证 29 GSMA 5G 转型中心 30
谁:Esper Electric 行业:建筑 我们所做的:创建了一个数字化劳动力管理工具 他们的评价:“我们创建的新应用程序旨在简化数据输入、跟踪技术认证、传达实时应计余额、推送合规性更新等等。” 谁:Andy J Egan Co. 行业:机械承包商 我们所做的:创建了一个自动化调度工作流资产,现在也出售并贴牌给其他公司 他们的评价:“我们需要适合移动设备的时间输入和合规性检查来管理 300 多人的分布式劳动力的工作分配。我们厌倦了为一个几乎有效的现成程序支付年度订阅费。” 谁:Sturgis Molded Products 行业:制造业 我们所做的:为制造车间创建了一个数字化关键警报响应系统 他们的评价:“SPARK 的努力无疑让我们的操作员和经理的生活更加愉快,同时节省了宝贵的时间。”谁:Found and Sons 殡仪馆和火葬服务 行业:专业服务 我们所做的:创建自定义网站和电子商务解决方案 他们要说的是:“SPARK 花时间真正了解我的愿景,并将该愿景付诸实际可行的流程。此外,他们的友好态度加上他们的技术知识,使这个过程成为一项令人愉快的冒险,不仅有利可图,而且具有教育意义。”
单元 1:计算思维和编程 – 2 ● 复习 11 年级中涵盖的 Python 主题。 ● 函数:函数类型(内置函数、模块中定义的函数、用户定义函数)、创建用户定义函数、参数和形参、默认参数、位置参数、函数返回值、执行流程、变量的作用域(全局作用域、局部作用域) ● 异常处理:简介、使用 try-except-finally 块处理异常 ● 文件简介、文件类型(文本文件、二进制文件、CSV 文件)、相对路径和绝对路径 ● 文本文件:打开文本文件、文本文件打开模式(r、r+、w、w+、a、a+)、关闭文本文件、使用 with 子句打开文件、使用 write() 和 writelines() 将数据写入/附加到文本文件、使用 read()、readline() 和 readlines() 从文本文件读取、seek 和 tell 方法、文本文件中的数据操作 ● 二进制文件:二进制文件的基本操作:使用文件打开模式(rb、rb+、wb、wb+、ab、ab+)打开、关闭二进制文件、导入 pickle 模块、dump()和 load() 方法,在二进制文件中读取、写入/创建、搜索、附加和更新操作 ● CSV 文件:导入 csv 模块,打开/关闭 csv 文件,使用 writer()、writerow()、writerows() 写入 csv 文件并使用 reader() 从 csv 文件中读取 ● 数据结构:堆栈、堆栈上的操作(推送和弹出)、使用列表实现堆栈。
单元 1:计算思维和编程 – 2 ● 复习 11 年级中涵盖的 Python 主题。 ● 函数:函数类型(内置函数、模块中定义的函数、用户定义函数)、创建用户定义函数、参数和形参、默认参数、位置参数、函数返回值、执行流程、变量的作用域(全局作用域、局部作用域) ● 异常处理:简介、使用 try-except-finally 块处理异常 ● 文件简介、文件类型(文本文件、二进制文件、CSV 文件)、相对路径和绝对路径 ● 文本文件:打开文本文件、文本文件打开模式(r、r+、w、w+、a、a+)、关闭文本文件、使用 with 子句打开文件、使用 write() 和 writelines() 将数据写入/附加到文本文件、使用 read()、readline() 和 readlines() 从文本文件读取、seek 和 tell 方法、文本文件中的数据操作 ● 二进制文件:二进制文件的基本操作:使用文件打开模式(rb、rb+、wb、wb+、ab、ab+)打开、关闭二进制文件、导入 pickle 模块、dump()和 load() 方法,在二进制文件中读取、写入/创建、搜索、附加和更新操作 ● CSV 文件:导入 csv 模块,打开/关闭 csv 文件,使用 writer()、writerow()、writerows() 写入 csv 文件并使用 reader() 从 csv 文件中读取 ● 数据结构:堆栈、堆栈上的操作(推送和弹出)、使用列表实现堆栈。
人工智能开发人员面临的困境。我们认为,当前人工智能开发中的道德实践方法未能解释开发人员在做正确的事情和保住工作之间做出选择的挑战。如果每个人都以某种方式行事,社会就会取得最佳结果,但实际实施这种行为会给个人带来不利影响,使他们无法做到这一点,这就存在社会困境。我们发现的问题是,当前的结构往往把拒绝不道德开发的负担放在开发人员的肩上,因为他们面临社会困境,不可能做到这一点。此外,这一挑战将变得越来越重要和普遍,因为人工智能正成为当前最具影响力的技术之一,对开发的需求巨大[19,68]。人工智能领域的进步导致了数据分析和模式识别的空前进步,随后该行业也取得了进展。这一进步主要归功于机器学习,这是一种数据驱动的方法。在大多数情况下,所使用的数据都是历史数据,因此可以反映出歧视性做法和不平等现象。因此,目前使用的许多机器学习模型巩固甚至加剧了现有的歧视性做法和不平等现象。此外,人工智能技术的发展即使不具有歧视性,也是不道德的。基于面部识别、智能警务和安全城市系统的大规模监控已被多个国家使用 [29],社交媒体使用的新闻推送模型会形成回音室效应并助长极端主义 [24],自主武器系统正在生产中 [38]。
AI 开发人员面临的困境。我们认为,当前 AI 开发中道德实践的方法未能解释开发人员在做正确的事情和保住工作之间做出选择的挑战。如果每个人都以某种方式行事,社会就会获得最佳结果,但实际实施这种行为会给个人带来不利影响,使他们无法做到这一点,这时就会出现社会困境。我们发现的问题是,当前的结构往往把拒绝不道德开发的负担放在开发人员的肩上,而由于他们的社会困境,他们不可能做到这一点。此外,这一挑战将变得越来越重要和普遍,因为人工智能正成为当前最具影响力的技术之一,对开发的需求巨大 [ 19 , 68 ]。人工智能领域的进步带来了数据分析和模式识别的空前进步,随后推动了该行业的进步。这一进步主要归功于机器学习,这是一种数据驱动的方法。在大多数情况下,所使用的数据都是历史数据,因此可以代表歧视性做法和不平等现象。因此,当前使用的许多机器学习模型巩固甚至加剧了现有的歧视性做法和不平等现象。此外,人工智能技术不必具有歧视性,其发展就是不道德的。基于面部识别、智能警务和安全城市系统的大规模监视已被多个国家使用 [ 29 ],社交媒体使用的新闻推送模型会创建回音室并助长极端主义 [ 24 ],自主武器系统正在生产中 [ 38 ]。
(研究方法)1. 科学过程:含义和定义,科学过程简史。2. 研究方法介绍:研究的含义、研究目标、研究类型、研究意义、印度研究人员遇到的问题。3. 研究问题:定义、定义研究问题的必要性和技巧、研究问题的表述、研究问题的目标。4. 研究设计:良好研究设计的含义、需求和特点、研究设计的类型、实验设计的基本原则、实验设计、研究主题的概要设计。5. 抽样设计:人口普查和抽样调查、不同类型的样本设计、良好样本设计的特点、选择随机样本的技术。6. 编辑、数据收集和验证:原始数据和次要数据、收集原始数据和次要数据的方法、编辑和数据验证的重要性和方法。 7. 假设:定义、假设检验、假设检验程序、假设检验流程图、假设检验的参数和非参数检验、假设检验的局限性。 8. 论文/毕业论文写作和报告生成:论文写作和报告生成的基本概念、文献综述、参考书目和参考文献的概念、报告写作的意义、报告写作的步骤、研究报告的类型、报告的呈现方法。 9. 计算机应用:计算机基础知识 - 定义、计算机类型。RAM、ROM、CPU、I/O 设备。数字系统 - 二进制、八进制和十六进制、进制转换。逻辑门 - AND、OR、NOT。数据结构 - 数组、堆栈(推送、弹出)、队列(插入、删除)、链接列表 - 单独、
1. 执行摘要 2020 年 10 月,硅谷清洁能源 (SVCE) 启动了 GridShift 试点项目,该项目利用车辆远程信息处理技术来控制和优化住宅客户在家中的电动汽车 (EV) 充电。GridShift 试点项目的目标是 (A) 通过在费率计划中最便宜的非高峰时段自动为电动汽车充电,帮助客户节省家庭能源费用;以及 (B) 将电动汽车充电与可再生能源生产商根据与 SVCE 和其他加州负荷服务实体签订的合同提供的低碳发电的非高峰时段保持一致。GridShift 在 COVID-19 大流行和居家令期间启动,能够利用住宅客户电动汽车充电时间表的额外灵活性,因为他们插电时间几乎是大流行前的两倍(平均在家插电时间为 20.2 小时,而大流行前为 12.2 小时);在白天保持插电对于能够利用加州电网上充足的太阳能为汽车充电尤为重要。 SVCE 将 72 名拥有 79 辆电动汽车的客户纳入 GridShift 移动应用程序,在主要优化非高峰时段的充电费用一段时间后,于 2021 年 3 月和 4 月启动了低碳活动试运行,通过推送通知和获得 10 美元账单信用额度的机会,激励客户在其费率计划的非高峰时段插入并允许在特别低碳的时段充电。成本优化的影响是,与插入后立即充电相比,GridShift 试点参与者平均每月节省了 24 美元的能源费用;节省的费用因费率计划而异,对于某些客户,每月最高可节省 46 美元,而对于其他客户,每月最低可节省 8 美元。在推出低碳活动后,在举办低碳活动的一天中,42% 的电动汽车充电都安排在碳排放最低的时段,与无管理充电相比,帮助 GridShift 参与者避免了 4,000 磅的二氧化碳电网排放。总共有 70% 的试点参与者参加了至少一次低碳活动,30% 的试点参与者参加了获得 10 美元电费抵免所需的最低活动数量(8 次)。为了在 2021 年夏季支持加州电网,SVCE 决定试行“关键 GridShift 时间”,客户在 CAISO FlexAlerts 和其他 SVCE 定义的事件之前收到推送通知,鼓励他们避免插入电源或启用智能充电以减轻电网压力。2021 年 8 月至 10 月期间,举行了六次此类可靠性活动,GridShift 能够将 98% 的总电动汽车充电转移到活动时间之外,参与者参加了抽奖,以赢得五项 100 美元电费抵免之一。在成功试点之后,SVCE 已开始扩大 GridShift 计划。关键考虑因素是将硬件兼容性扩展到更多车辆 OEM 以及联网的 EVSE,简化客户入职流程,并确保公平地进入一线社区。展望 2022 年夏季,SVCE 还可以考虑将关键 GridShift 小时功能扩展到其他活动类型,包括 ELRP 活动,并通过社区排行榜、成就徽章和其他功能进一步将参与游戏化。
R={"Ritu":76, "Priya":85, "Mitu":75, "Rohit":79, "Preeti":90, "Shreya":87} 程序的输出应为: Shreya Preeti Priya Q4. Arun 有一个包含 8 个整数的列表。您需要帮助他创建一个具有单独用户定义函数的程序,以基于此列表执行以下操作。 ● 遍历列表的内容并将偶数推送到堆栈中。 ● 弹出并显示堆栈的内容。 例如:如果列表的示例内容如下:N=[62, 13, 34, 56, 19, 78, 97, 27] 代码的示例输出应为: 78 56 34 62 Q5. 编写 PushOn(Book) 和 Pop(Book) 方法来从图书标题列表中添加新图书和删除图书,将它们视为 Stack 数据结构的 Push 和 Pop 操作。 Q6。编写一个使用 Stack 反转字符串的函数。 Q7。查找以下代码的输出 res =0 list=[40,60,30] list.append(20) res=res+list.pop( ) res=res+list.pop( ) print('' result= '',res) Q8。用 Python 编写一个函数 Push(item),其中 item 是一个包含文具详细信息的字典-{name:price}。该函数应推送价格大于 50 的物品的名称。还显示推送到堆栈的元素数量。例如:如果字典包含以下数据:Item ={“Pencil”: 40,”Pen”:60,”Notebook”:70,”Eraser”: 45} 堆栈应包含:Notebook Pen 输出应为:堆栈中元素的数量为 2。 Q9。用 Python 编写一个函数 Push (Arr),其中 Arr 是一个数字列表。从此列表中将所有可被 5 整除的数字推送到使用列表实现的堆栈中。如果堆栈至少有一个元素,则显示堆栈,否则显示相应的错误消息。
网络哄骗:人工智能时代的助推策略 Amit Adarkar,益普索印度国家经理兼益普索亚太经合组织运营总监 & Geeta Lobo,益普索印度社交智能分析与科学执行总监 新的一年又到了,我们该制定美好的计划,让自己更健康、更自律、更博学、更善良、更具社会责任感了。如果我们有办法保持热情不动摇;有正确的推动力,让我们重回正轨,有万无一失的方法让我们坚持自己的决心,那会怎样?这就是基于人工智能的助推所带来的希望的本质,至少在原则上如此。 人工智能驱动的助推 助推策略是关于在环境中做出小的、具有成本效益的改变,从而导致行为的改变。通过研究如何呈现选择,助推会将你推向被认为是好的结果,而不会限制选择或侵犯你的自由选择意志。在收银台询问您是否愿意为社会事业捐款,在纳税申报截止日期前几周询问您对国家经济发展的贡献,这些都是“助推”的例子。基于人工智能的“助推”将成为改变行为的更强大的杠杆。人工智能驱动的“助推”会从个人之前的反应中吸取教训,在正确的时间部署正确的影响。事实上,这些深度学习算法还可以从其他人对“助推”的反应大数据中学习。基于人工智能的“助推”不仅对反应具有动态敏感性,从新兴数据中学习的能力还意味着系统会随着时间的推移提供越来越有效的“助推”。有了人工智能,你不仅会被礼貌地询问你是否愿意为某项慈善事业捐款;信息、视觉效果、时间和呈现给你的事业本身都会经过专门设计,让你掏出钱包。大规模智能推送 大规模设计针对个人的特定影响的能力可能看起来像是未来的愿景,但所需的数据和技术可能已经存在。考虑以下实现这一转变的推动因素: