AI科研和教学平台

项目前景和范围

项目介绍

AI科研和教学平台是一款数据科学科研和教学一体化平台，集成数十行业数千数据集、科研案例模板，

帮助科研人员快速使用大数据和人工智能技术开展科学研究，

支持全国高校开展大数据通识课程教学，

帮助非专业人员进行数据分析和生成分析报告。

本项目具备拖拽式的数据处理、数据分析、数据建模和可视化工具；

自主开发的大数据分析全流程算法组件；

系统可自动生成智能科研报告。

针对人群：①全国高校用于通识教学 ②科研人员用于科学研究 ③非专业人士用于数据分析

实现功能：①拖拽式的数据处理、分析、建模、可视化工具 ②大数据分析算法组件 ③自动生成报告

项目前景

1. 为科研人员随着大数据和人工智能技术的普及，数据科学的需求越来越高，我们的平台可以帮助科

研人员更快地进行科学研究，将更多的时间与经历放在需欸

2. 该平台的教育功能也具有很大的潜力。随着大数据分析的普及，越来越多的学生和非专业人员需要

学习数据科学知识，您的平台可以提供一个很好的解决方案。

3. 该平台的拖拽式数据处理、数据分析、数据建模和可视化工具，以及自主开发的大数据分析全流程

算法组件和智能科研报告功能，将为用户提供非常便捷和高效的服务。

广告：解压分忧，科研得力助手；登堂入室，高校通识捷径；数据分析，做表画图神器。

项目范围

①拖拽式的分析、建模、处理和可视化工具

②各行各业、可信有效、多元广泛的数据集

③成熟完备的教学路线以及课程实际案例，我们做了30个从简到难的课程列表

1.数据可视化：绘制简单的数据可视化图形。

2.数据清洗：清理丢失的数据。

3.数据探索：探索数据集中的变量之间的关系。

4.数据转换：将数据集中的分类变量编码成数字。

5.数据聚合：计算数据集中变量的均值和标准差。

6.线性回归：拟合一条简单的线性回归模型。

7.逻辑回归：拟合一个二分类逻辑回归模型。

8.决策树：拟合一个简单的决策树分类器。

9.随机森林：拟合一个随机森林分类器。

10.聚类分析：对数据集进行聚类分析。

11.主成分分析：对数据集进行主成分分析。

12.支持向量机：拟合一个支持向量机分类器。

13.正则化：实现岭回归和 Lasso 正则化。

14.贝叶斯分类器：拟合一个朴素贝叶斯分类器。

15.神经网络：实现一个简单的全连接神经网络。

16.文本分类：对文本进行分类。

17.推荐系统：构建一个简单的推荐系统。

18.时间序列分析：对时间序列数据进行分析。

19.空间分析：对空间数据进行分析。

20.图像分类：对图像进行分类。

21.相似度计算：计算两个数据集之间的相似度。

22.贡献度分析：计算变量的贡献度。

23.时间序列预测：对时间序列数据进行预测。

24.协同过滤：实现协同过滤推荐系统。

25.异常检测：对数据集进行异常检测。

26.基尼系数：计算特征的基尼系数，并基于结果选择最佳的特征来构建分类模型。

27.树模型解释：对决策树和随机森林模型进行解释。

28.模型融合：对多个分类器进行融合。

29.超参数调优：对分类器的超参数进行调优。

30.时空数据分析：对时空数据进行分析。

涉众分析和数据采集

问题及调查结果：

第1题 您的身份 [单选题]

选项	小计	比例
学生	24	92.31%
教师	2	7.69%
本题有效填写人次	26

第2题 是否听说过人工智能的科研与教学平台（人工智能科研教学一体化平台） [单选题]

选项	小计	比例
是	10	38.46%
否	16	61.54%
本题有效填写人次	26

第3题 对于这样一类平台，您觉得有什么需求是必须实现的 [填空题]

第4题 您认为这一类平台在使用时是否需要提供人才培养方案 [单选题]

选项	小计	比例
是	25	96.15%
否	1	3.85%
本题有效填写人次	26

第5题 您认为这类平台教学方向在以下哪种实战有更多的结合 [单选题]

选项	小计	比例
医疗	8	30.77%
商务	1	3.85%
金融	2	7.69%
制造	1	3.85%
信息安全	13	50%
环保	1	3.85%
本题有效填写人次	26

涉众分析：

1.对于比例较少的教师而言，他们都对于人工智能科研教学一体化平台有所耳闻，而学生中多大三分之二的学生对于这个平台没有涉猎。可见这个实践项目在高校教师中具有一定的基础，有利于在高校中推行和传播，即便学生对于这类操作平台不够熟练。

2.对于实践项目方向，大部人认为局限于医疗和信息安全行业，对于人工智能的使用方式存在一定的理解额误差。信用卡诈骗检测和水果分类识别也是人工智能与金融和商务的结合。考虑到学生专业的局限性和创造瓶颈的存在，如果人工智能科研和教学一体化平台一旦投入市场，必将提升整个高校人才培养水平，符合国内大方向的人才需要。

3.对于需求高频词的图形化处理后，显而易见的是学生和教学以及业务流程以及智能等有效词汇。这一数据集中反映了这个人工智能科研和教学一体化平台的功能服务方向，抓住核心主体学生的需要，通过实践中的业务流程助力对于人工智能项目的认知，提高学生动手实践能力。

面谈的过程和结果及原型

面谈过程及结果

·面谈准备：

首先，我们小组（1组）对选题“面向人工智能的科研与教学平台”的背景进行阅读分析。作为一款数据科学科研和教学一体化平台，其教学功能、科研实验和用户交流是必备的基础功能，经搜索资料并整理分析后确定了面谈的主题，且面谈的类型为半结构化面谈，即确定面谈的部分主要问题后根据具体交流情况对需求开展进一步的补充与拓展。并且确定了面谈的目标，即通过与甲方（21组）的交流沟通以及针对甲方和潜在用户的调查问卷对需求进行初步的获取，并在甲乙方的下一步沟通中进行头脑风暴，对甲方初始的需求作更深层的分析、延伸。

·第一次面谈：

会见者： 1组 被会见者：21组 日期： 2023.3.16	主题： 1.了解客户的基本需求 2.确定项目范围和原型
谈话要点： 用户需求获取 项目前景及范围 项目原型	被会见者观点： 甲方小组根据“面向人工智能的科研与教学平台”选题背景，提出例如针对不同用户的身份认证登录平台、学生用户学习资源平台、教师教学平台、科研人员科研实验平台、多身份用户评价系统和运行人员维护端等需求。

于2023年3月13日下午四时，我们小组组长利用微信平台建立甲乙方交流群（甲方21组，乙方1组），对于“面向人工智能的科研与教学平台”选题的后续甲乙方间的讨论皆将在此群内进行。

在甲乙双方小组同学均进入群后，我们决定甲乙小组的第一次面谈将在微信平台上以线上面谈的形式进行，被会见者即为甲方小组，会见者为乙方小组。正如之前我们乙方小组所策划，对甲方小组提出初步的需求获取问题，甲方小组对问题进行回答，根据“面向人工智能的科研与教学平台”选题背景，提出例如针对不同用户的身份认证登录平台、学生用户学习资源平台、教师教学平台、科研人员科研实验平台、多身份用户评价系统和运行人员维护端等需求。

·调查问卷：

在第一次线上面谈完毕后，针对面谈所涉及的方面，我们乙方小组设计了题为“关于面向人工智能科研与教学平台的调查”的调查问卷，向甲方小组同学和平台潜在用户进行产品问卷调查。

问卷调查截止至2023年3月16日下午四时，我们小组开始对调查问卷返回数据进行阅读分析。

·面谈处理：

在完成与甲方的线上面谈以及对甲方和潜在用户的问卷调查后，我们小组对面谈记录进一步整合分析，结合面谈获取的需求与调查问卷反映的数据，针对大众对面向人工智能的科研与教学平台了解程度较低、潜在用户对平台的功能期望以及对平台选取研究方向的期望等具体情况，对需求进行更广泛但仍具有针对性的扩充、延伸。

·面谈结果：

根据甲方小组在面谈过程中提出的需求以及提供的需求框架文档，我们乙方小组在结合调查文档反映的具体情况后进行需求分析、扩充和延伸，并对产品的可行性作出分析：

·技术可行性：

本平台为主要用户为学生、教师、科研人员以及维护人员的“面向人工智能的科研与教学平台”，主要实现学生、教师及科研人员之间的信息交换、存储和增删，以及实现虚拟实验的操作和成绩评估，此类功能技术难度不大。对于维护人员，问题主要集中在维护服务器的稳定，保证服务器的安全性。

·操作可行性：

因为用户主要由学生、教师和科研人员组成，各高校基本拥有独立的一体化教学平台，且高校师生、科研和维护人员均拥有类似平台使用的操作基础，对平台功能的发掘、使用有基础，并且本平台均为可视化操作，界面简洁、操作流程简洁让用户能够轻松上手，能够自如地满足其对教学、实验的需求。

·商业可行性：

本“面向人工智能的科研和教学平台”为非盈利教学一体化平台，致力于满足用户的教学科研需求，不涉及过多的商业行为，避免无故的商业争端。

原型

高校机构端

教师端

维护端

学生端