
「2016年CDA杯大数据全生态全国高校创新创业竞赛」由经管之家(原人大经济论坛)联合CDA Institute共同举办,此次大赛主要面向高校在校生(包括本、硕、博士生),旨在培养学生的数据分析、大数据动手能力,调动学生的学习兴趣;挖掘高校大数据人才,发现大数据优质项目,为企业输送数据分析与大数据人才,为学生创造就业机会,鼓励高校大数据创新创业。
【时间安排】
7月25日
7月27日
7月29日
8月1日
8月3日
8月5日
孙志强 韩帅 鱼琪伟
(中国矿业大学(北京))
王雪琳 曹敏 边丽红
(兰州财经大学)
高凯 刘转转 毛琳
(山西省中北大学)
包欣欣 吴扬迪 戴君杰
(浙江工商大学)
赵雨婷 王一帆 谭子冰
(厦门大学)
殷越 高丽 张贾宁
(华中师范大学)
陈茂 贾来强 刘尚
(东华理工大学长江学院)
霍新雯 张慧娟 祁鑫
(北京信息科技大学)
张超 李爽 郭莹莹
(哈尔滨理工大学)
陆弘源 杨凯平 孙晔
(浙江工商大学)
杨莉阳 唐艺嘉 罗茜曦
(西南财经大学)
孙文昭 车明佳 张予
(中国人民大学)
王冬佳 赵梦璐 陈晨怡
(辽宁大学)
孙嘉怿 张安琪 包青
(沈阳工业大学)
杨柳 邢容 丁德聪
(西南财经大学)
高玉娟 刘逸萌 舒居安
(山西财经大学)
周美伶 陈红 袁莉君
(贵州财经大学)
徐生霞 杨珊 宋晓春
(西安财经学院,西安交通大学)
吴心昊 汪安琪 唐玥琪
(西南财经大学)
张然 汤衍真 刘天宇
(国防科学技术大学)
霍元浩 王兴欢 陈斌
(西安电子科技大学)
叶一涛、周露娜、戴佳丽
浙江工商大学
王志高 王昱栋 李蒙
(华东师范大学)
陈云芳 宋春晖 匡盟盟
(哈尔滨工业大学)
毛思嘉 郭之辰 刘宁宁
(东北财经大学)
陈勇吏 吴慧 陈光祺
(华南师范大学)
包敏、楚媛、叶瑜
浙江工商大学杭州商学院
葛德奎 杨文莉 石雅婷
(辽宁大学 清华大学)
韩旭峰 寇磊 张乐权
(湖北经济学院 西安邮电大学 中南民族大学)
杨靖阳 卢小华 尹鹏君
(北京工商大学)
郑学芬 徐津弘 王一伦
(浙江工商大学)
于楠 曲湛明 张士秀
(辽宁大学)
吴纲维 钟良月 赵雪婷
(浙江工商大学)
张少卿 吴奇雯 郭梦霞
(浙江工商大学)
耿延鹏 丁昭璐 王志勇
(浙江工商大学)
刘婧 陈兰娟 程炜鑫
(福州大学)
章晨玲 金岸 章情情
(浙江工商大学杭州商学院)
刘楚茵 余锦彦 吴振荣
(广东财经大学)
李媛媛 黄丹 王喜花
(中国青年政治学院)
刘垚 林源榕 杨彬
(华中科技大学)
文飞
(中国矿业大学)
张玲 钟佩君 钱丽珍
(广东省岭南师范学院)
扫描下方二维码加微信好友,备注行业+姓名,邀请你加入直播间
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11