XiaoMi-AI文件搜索系统
World File Search System流失
SD-22 DoD 减少制造来源和材料...
制造资源减少和材料短缺 (DMSMS) 问题是指物品、原材料或软件制造商或供应商的流失或即将流失。当制造商或供应商停止生产所需的组件或原材料，或不再提供原材料时，国防部 (DoD) 就会失去制造商或供应商。这可能由许多因素造成，例如低容量市场需求、新兴或不断发展的科学或技术、检测限、毒性值以及与化学品和材料相关的法规，这些因素会严重影响国防部的供应链和工业基础。这种情况可能导致短缺，危及武器系统的持续生产能力和/或生命周期支持，或任何已经在现场的培训、支持或测试设备。1
SD-22 国防部减少制造来源和材料...
制造资源减少和材料短缺 (DMSMS) 问题是指物品、原材料或软件制造商或供应商的流失或即将流失。当制造商或供应商停止生产所需的组件或原材料，或不再提供原材料时，国防部 (DoD) 就会失去制造商或供应商。这可能由许多因素造成，例如低容量市场需求、新兴或不断发展的科学或技术、检测限、毒性值以及与化学品和材料相关的法规，这些因素会严重影响国防部的供应链和工业基础。这种情况可能导致短缺，危及武器系统的持续生产能力和/或生命周期支持，或任何已经在现场的培训、支持或测试设备。1
美国制造业怎么了？
考虑到流行的经济低迷叙述，制造业就业人数较 2010 年增加了约 12%，到 2022 年将恢复至近 1,300 万个工作岗位。尽管如此，其中许多工作岗位并不在 21 世纪初就业岗位流失严重的制造业行业或地区。2000 年至 2022 年，制造业就业岗位在各行业之间的分布发生了变化。如图 3 所示，2000 年至 2010 年制造业的就业岗位流失高度集中在耐用品领域。例如，运输设备（包括机动车）和计算机及电子产品行业各自损失了 70 多万个工作岗位，占这一时期总就业岗位流失的 26%。4 2010 年之后的复苏并不在两次经济衰退期间受到重创的行业。到 2010 年，食品、化学品、塑料和橡胶行业的失业人数占总失业人数的 11%，但从 2010 年到 2022 年，这些行业的就业岗位增长人数占总就业人数的 38%。纺织和服装等行业正处于衰退期，到 2022 年，这些行业的劳动力将减少 70% 以上，而其他行业则会复苏。
20 年州基础设施战略快照
南澳大利亚州长期以来经济和人口增长低于全国平均水平。该州人口增长速度也低于全国平均水平，截至 2019 年 6 月，年增长率约为 0.9%，而全国平均水平约为 1.5%。核心劳动年龄人口净流失导致人口老龄化和生产性劳动力流失。该州经济的一些传统行业正在衰落，国防等新兴增长行业正在兴起。这些新兴行业对基础设施的要求不同，对技术和灵活的熟练劳动力的依赖性更大。这种转变为南澳大利亚州提供了一个重新定位和寻找未来新增长领域的机会。
建议引用：Gramegna, Alex；Guidici, Paolo (2020)：为什么要买保险？一种可解释的人工智能方法，Risks，ISSN 2227-9091，MDPI，巴塞尔，第 8 卷，Iss。4，第 1-9 页，https://doi.org/10.3390/risks8040137
摘要：我们提出了一个可解释的人工智能模型，该模型可用于解释客户购买或放弃非寿险的原因。该方法包括将相似性聚类应用于从高精度 XGBoost 预测分类算法获得的 Shapley 值。我们提出的方法可以嵌入到基于技术的保险服务 (Insurtech) 中，从而可以实时了解对客户决策影响最大的因素，从而主动洞察他们的需求。我们通过对保险微保单购买数据进行的实证分析证明了我们模型的有效性。研究了两个方面：购买保险单的倾向和现有客户流失的风险。分析结果表明，可以根据一组相似的特征有效、快速地对客户进行分组，这可以很好地预测他们的购买或流失行为。
514 (Nature Rev Mater 2023) 学术界的性别歧视不利于科学，浪费公共资金
在帮助研发 COVID-19 疫苗并与他人共同获得诺贝尔医学奖之前，卡塔琳·卡里科 (Katalin Karikó) 的故事对许多女性来说都很熟悉：她面临资金匮乏、认可不足、被降职，最终被大学开除 1 。尽管卡里科成功克服了这些巨大的障碍，但更多的女性因普遍存在的性别歧视和骚扰而选择离开学术界。一项针对 25 万美国学者的大规模研究为这种基于性别的人员流失提供了越来越多的证据 2 。作为现任和前任机构负责人和研究领导者，我们认为，这种离职以及相关女性人才的流失会造成巨大的科学和经济损失，并概述了提高学术部门效率的改革措施。
Lauren Waterburg -ESEC教师 div>
Sanchez Ramirez，J。，Coussement，K.，De Caigny，A.，Benoit，D.，Waardenburg，L。和E. Guliyev（2023）。 要使用还是不使用？ 合并了B2B流失预测建模的使用数据。 在：算法第54届决策科学研究所（摘要）的会议录，亚特兰大（美国），11月18日至20日（2023年）。 决策科学研究所。Sanchez Ramirez，J。，Coussement，K.，De Caigny，A.，Benoit，D.，Waardenburg，L。和E. Guliyev（2023）。要使用还是不使用？合并了B2B流失预测建模的使用数据。在：算法第54届决策科学研究所（摘要）的会议录，亚特兰大（美国），11月18日至20日（2023年）。决策科学研究所。
管理者人工智能 - IIMBx
预测分析模型根据历史数据预测未来事件的发生，例如产品需求、收入预测、客户流失、员工流失、欺诈、贷款偿还违约等。在许多业务问题中，我们尝试处理多个变量的数据，有时甚至超过观测值的数量。回归模型帮助我们理解这些变量之间的关系，以及如何利用这些关系使用监督学习算法进行决策。本模块的主要目标是了解如何使用回归和因果预测模型来分析实际业务问题，例如预测、分类和离散选择问题。重点是基于案例的实际问题解决，使用预测分析技术来解释模型输出。参与者将接触 MS Excel、R、Python 和 SPSS 等软件工具，以及如何使用这些软件工具执行回归、逻辑回归和预测。
面向管理者的人工智能 - IIMBx
预测分析模型基于历史数据，预测未来事件的发生，例如产品需求、收入预测、客户流失、员工流失、欺诈、贷款偿还违约等。在许多业务问题中，我们尝试处理多个变量的数据，有时甚至超过观察值的数量。回归模型帮助我们理解这些变量之间的关系，以及如何利用这些关系使用监督学习算法进行决策。本模块的主要目标是了解如何使用回归和因果预测模型来分析实际业务问题，例如预测、分类和离散选择问题。重点是基于案例的实际问题解决，使用预测分析技术来解释模型输出。参与者将接触 MS Excel、R、Python 和 SPSS 等软件工具，以及如何使用这些软件工具进行回归、逻辑回归和预测。