黄河水利职业技术学院 职业院校教学数据画像探索与实践

如今,教学大数据逐渐成为人才培养工作的基石,成为教学工作诊断与改进的重要依据。黄河水利职业技术学院依托学院数据中心平台沉淀的多年教学工作中的基础数据、管理数据和教学过程性数据,通过诊改大数据平台的建设,建立了常态化的内部质量保证体系和可持续的诊断与改进工作机制。在此基础上,黄河水利职业技术学院研究和梳理指标体系,建立了学校、专业、课程、教师、学生五个层面的画像,提供了多维度、全方位的分析展现。通过跟踪过程性问题,监控阶段性结果,综合多周期内的大量数据,构建模型分析算法,发掘个体之间、群体之间、个体与群体之间的共性特征和规律,及时预警、纠正,实现常态化监控等,切实保证人才培养质量。

基于深度卷积神经网络的ECG信号分类研究

心血管疾病的发病率、死亡率都很高,心电图作为心血管疾病患者必要的辅助检查项目,在心血管疾病诊断上具有重要作用。主要研究利用ECG信号具有大数据特征的优势,通过人工智能方法建立模型对ECG信号进行分析,可以抽象输入信号的深层次特征,利用深度神经网络提取信号鲁棒性特征的能力,最终通过深度学习理论技术对心拍、心律失常类信号进行有效的分类与识别,探索了深度学习技术在由心肌缺血引发的心血管类疾病识别中的研究与应用。