XiaoMi-AI文件搜索系统
World File Search System数据仓库
美国退伍军人 COVID-19 疫苗接种率的种族、族裔和农村差异
方法：利用退伍军人事务部企业数据仓库数据，我们纳入了 5,871,438 名在 2019 年至少接受过 1 次初级保健就诊的患者（9.4% 为女性），开展了一项回顾性队列研究。每位患者被分配一个种族和民族，这些种族和民族是互斥的自我报告类别。农村地区基于邮政编码级别的 2019 年家庭住址。我们的主要结果是 2020 年 12 月 15 日至 2021 年 6 月 15 日之间首次接种 COVID-19 疫苗的时间。其他协变量包括年龄（岁）、性别、地理区域（北大西洋、中西部、东南、太平洋、大陆）、吸烟状况（现在、以前、从不）、Charlson 合并症指数（基于 ≥ 1 名住院患者或 1 名门诊患者的国际疾病分类代码）、服务联系（有/无，使用退伍军人事务部标准化的残疾补偿截止值）和 2019-2020 年的流感疫苗接种情况（是/否）。
商业信息系统学士学位
在越来越多的数字业务环境中，“大数据”已成为获得业务见解和支持战略决策的宝贵资源。该模块向学生介绍了从聚类和预测到人工智能的各种分析技术。它还提供了这些技术如何通过改进决策，营销和关系建设来帮助组织实现竞争优势的示例。该模块可以讨论组织决策的基本原理以及组织中通常可用的数据类型。这是对数据探索通常使用的数据仓库和基本分析技术的概述。更高级的主题包括集群标识；主成分分析；协会规则和社交网络分析；回归分析；最近的邻居和异常检测；预测和预测技术；和神经网络。学生将通过基于随附数据集的案例研究进行一系列实践练习来获得一些实践经验。还讨论了与使用大数据相关的潜在风险。在模块结束时，学生将对如何使用数据科学来支持组织的战略目标有深入的了解。
供应链管理中的大数据分析
摘要：随着商业世界中的竞争越来越激烈，许多企业面临着有效管理越来越多的供应链活动超出其界限。本文旨在确定供应链管理中大数据分析的应用和挑战。它检查了大数据分析及其流程；供应链管理;供应链管理中的大数据分析方法；大数据分析在供应链管理中的应用；以及在供应链管理中应用大数据分析的挑战。本文显示，大数据分析已在供应链管理的各个领域应用于各种监督和无监督的学习，以提取不同格式的各种数据源的见解，模式和趋势。大数据分析面临许多挑战，例如分析，数据质量和集成的复杂性；供应链的复杂性考虑到供应链管理跨越彼此相关的实体和活动的供应链管理。因此，需要有效的供应链数据仓库模型，用于供应链管理的大数据分析，这将有效地将高级分析与可访问的见解相结合。
Oracle Exadata 数据库云服务器 X10M
Oracle Exadata 数据库云服务器 (Exadata) 旨在显著提高 Oracle 数据库的性能、成本效益和可用性。Exadata 采用现代云架构，具有横向扩展高性能数据库服务器、具有最先进 PCIe 闪存的横向扩展智能存储服务器、使用 RDMA 可访问内存的独特存储缓存，以及连接所有服务器和存储的云级 RDMA over Converged Ethernet (RoCE) 内部结构。Exadata 中独特的算法和协议在存储、计算和网络中实现数据库智能，以比其他数据库平台更低的成本提供更高的性能和容量。Exadata 是所有类型的现代数据库工作负载的理想选择，包括在线事务处理 (OLTP)、分析和数据仓库 (DW)、内存分析、人工智能 (AI)、物联网 (IoT)、金融服务、游戏和合规性数据管理，以及混合数据库工作负载的有效整合。
印度经济统计手册2022-23
RBI今天释放有关印度经济2022-23的统计手册，该储备银行发布了其年度出版物，标题为“印度经济统计手册，2022-23”（HBS）。该系列的第25次出版物传播了有关与印度经济有关的主要经济和财务指标的时间序列数据。目前的数量包含240个统计表，其中涵盖了与国民收入总计，产出，价格，货币，银行，金融市场，公共财政，外贸和支付余额以及精选社会经济指标有关的宏观经济和财务变量。这些变量上的较长时间序列也可以在储备银行的下一代数据仓库“集中信息管理系统（CIMS）-DBIE'PORTAL（https：//dbie.rbi.org.in）上进行，所有数据系列都会定期更新。对HBS的反馈/评论欢迎，可以通过CIMS DBIE PORTAL（https://dbie.rbi.org.in）上的“反馈”按钮发送（i）；或（ii）发送电子邮件； （iii）印度储备银行统计和信息管理部统计和信息管理部董事
人工智能生成的一次性组织问卷的有效性
摘要 战略决策是一项精密的工艺，通常在时间压力下进行。而且，企业数据仓库中通常没有足够的数据用于此类决策：您必须询问员工。这种员工调查通常非常耗时。在这项研究中，开发了一种新方法，将人工智能 (AI) 与特定的调查量表格式结合起来，以近乎实时地制作一次性问卷。我们在 23 个战略情境中测试了这种由人工智能生成的一次性问卷，其中近 7,000 名员工提供了近 600 万份答案。六个统计参数评估问卷的有效性和可靠性。我们的测试结果表明，开发的方法节省了时间并产生了有效的调查结果。根据经验法则，我们的发现是，在 100 名受访者的样本量以上，人工智能生成的一次性问卷在选定的有效性/可靠性参数上得分很高。因此，开发的技术可以成功地用于生成有效且可靠的组织转型一次性问卷。
R-下载
Karthik Ramasubramanian为印度最大，增长最快的技术独角兽之一Hike Messenger工作。他将最佳的业务分析和数据科学经验带入了他在Hike Messenger的角色。在他的七年研究和行业经验中，他从事零售，电子商务和技术，开发和原型数据驱动解决方案方面的跨行业数据科学问题。在印度最大的电子商务零售商之一Snapdeal的职位上，他是针对客户增长和定价分析的核心统计建模计划。在Snapdeal之前，他是中央数据库团队的一部分，管理Reckitt Benckiser（RB）全球业务应用的数据仓库。他有丰富的经验，可用于为行业的可扩展机器学习解决方案（包括复杂的图形网络和自学神经网络）。他拥有Anna大学PSG理工学院的理论计算机科学硕士学位，并且是经过认证的大数据专业人员。他热衷于通过不同的在线和公共论坛进行教学和指导未来的数据科学家。他喜欢在闲暇时写诗，并且是一个狂热的旅行者。
资产物流管理信息系统 (ALMIS)
与用户帐户关联，因为这是军事、民事和承包商人员的唯一唯一标识符。SSN 是追踪哪些人对哪些资产进行工作所必需的，由于涉及的人员类型众多（美国海岸警卫队军事人员、政府民事人员、承包商、美国森林局人员），SSN 是 ALMIS 目前可以做到这一点的唯一手段。军事和政府民事 SSN 定期通过海岸警卫队商业智能 (CGBI) 数据仓库的加密查询收集。2 承包商 SSN 定期（手动数据提取）从电子调查处理问卷 (e-QIP) 3 或通过加密电子邮件或电话从用户处收集。美国森林局人员 SSN 通过加密电子邮件收集。SSN 由 ALMIS 帐户管理员手动输入系统，他们还创建用户帐户并在系统内分配权限。ALMIS 使用个人的 PII 在系统内为其创建一个唯一帐户。这允许 ALMIS 分配权限并跟踪用户活动。所有其他 PII 均通过 ALMIS 访问请求表单 (ARF) 收集并发送到帮助台或作为补救单输入。
回顾牙周组织工程和骨再生的见解和进步
土壤和土壤 - 生物多样性保护是环境科学和政策中越来越重要的问题，需要对土壤生物多样性的高质量经验数据获得。在这里，我们提供了一个用于土壤生物多样性领域的公开数据仓库，Edaphobase 2.0，它为遵循公平的（可找到，可访问，可互动，可互动且可重复使用）的原则提供了全面的工具集，用于存储和重复国际土壤 - 生物多样性数据集。一个主要优势是用详尽的地理，环境和方法元数据注释生物多样性数据的可能性，从而可以进行广泛的应用和分析。系统和谐并将不同来源的异质数据集成到标准化的格式中，可以使用许多过滤器可能共同搜索，并提供数据探索和分析工具。Edaphobase具有严格的数据透明度策略，全面的质量控制，并且可以为单个数据集提供DOI。数据库目前包含> 35,0000个站点的450,000个数据记录，每年访问近14,000次。Edaphobase 2.0策划的数据可以极大地帮助研究人员，保护主义者和决策者理解和保护土壤生物多样性。
PG学术手册M. Tech（CSE）.pdf
Total Credits (L-T-P) Credits 1 CS800 Foundations of Cryptography (3-0-0) 3 2 CS801 Wireless Sensor Networks (3-0-0) 3 3 CS802 Advanced Compiler Design (3-0-0) 3 4 CS803 Distributed Computing Systems (3-0-0) 3 5 CS804 Design of Secure Protocols (3-0-0) 3 6 CS805 Mobile Computing (3-0-0) 3 7 CS806 Machine Learning (3-0-0) 3 8 CS807 Health Informatics (3-0-0) 3 9 CS808 Soft Computing (3-0-0) 3 10 CS809 Service Oriented Architecture & Cloud Computing (3-0-0) 3 11 CS810 Big Data Analytics (3-0-0) 3 12 CS811 Pattern Recognition (3-0-0) 3 13 CS812人工神经网络（3-0-0）3 14 CS813计算机视觉（3-0-0）3 15 CS814游戏理论（3-0-0-0）3 16 CS815数据仓库和数据挖掘（3-0-0-0） Privacy (3-0-0) 3 20 CS819 Bioinformatics Algorithms (3-0-0) 3 21 CS820 Graph Theory (3-0-0) 3 22 CS821 Probability and Statistics (3-0-0) 3 23 CS822 Program Analysis and Verification (3-0-0) 3 24 CS823 Linear Algebra (3-0-0) 3 25 CS824 Number Theory （3-0-0）3 26 CS825复杂性理论（3-0-0）3 27 CS826人类计算机接口（3-0-0）3