人工智能时代创新型中医药数据分析人才的培养模式研究

传承创新发展中医药是新时代中国特色社会主义事业的重要内容。人工智能时代对中医药数据分析人才培养提出了新的需求和挑战。文章通过分析中医药信息相关专业人才培养存在的问题,提出新型的人才培养模式。通过构建全新的教学理念、课程知识体系、校内外实训方法,旨在培养出具有较强的中医药数据分析能力的创新型人才,提升中医药院校的创新型人才培养水平,促进创新教育的科学发展。

医药经济数据分析创客实验室的模式构建与保障

本文基于国内外创客教育以及创客实验室的概念,针对医药经济管理专业特色和创新创业的复合型人才培养目标,从实体创客实验室和创新创业平台两部分深入分析医药经济数据分析创客实验室的构建,并据此从学生、导师、合作、激励、服务五个方面对更好地发展医药经济数据分析创客实验室提出建议。

中医院校数据挖掘课程探索与改革

文章对数据挖掘课程进行了分析,对其教学过程中存在的问题进行了剖析。针对中医院校的背景优势和学生特点,从教材选择、教学内容、实验设置和课程设计层面探讨了该课程的教学方法。

简述“互联网＋中医药”产业的发展概况

方法：查阅知网数据库近十年的文章和网络及公开文件资料;内容：归纳分析得出现阶段＂互联网＋中医药＂产业发展主要体现在云计算、中医药大数据分析、物联网与移动互联及中医人工智能这四个大板块及其发展趋势,发现产业的单一化,在形成产业链方面稍欠缺。结论：加大对中医药信息资源的优化配置,对推动中医药产业化影响巨大。

一种稳定的并行分布式频繁集挖掘算法及其应用

为解决大规模医药数据分析中的频繁集挖掘问题,提出一种稳定且具有良好扩展性的并行分布式算法P-FIM。该算法将挖掘任务分割成无相互依赖关系的同构子任务,实现有效的并行计算;并且充分利用Map/Reduce框架和集群环境的优势提高自身的鲁棒性和负载均衡能力。采用最大规模为512万条记录的中医药方剂数据进行算法性能分析实验,其结果表明,该算法在分布式集群环境中表现稳定,而且随着集群规模的增加其加速比接近线性。以P-FIM算法为基础设计实现的中医药数据相关性分析方案,可有效地从大规模临床数据中获得全面、可靠的病、症、药间相关性的信息。