党课讨论发言稿

2024-10-04

党课讨论发言稿（精选5篇）

党课讨论发言稿篇1

党课讨论发言稿

经过将近一个月的党章党史学习，我进一步加深了对党的性质、宗旨、指导思想和重大战略思想，党的组织纪律的了解，明确了成为一名合格的中国共产党员的条件，以及作为党员的义务与权力，同时也学会了各种入党常用文书的写法。进一步提升了自己的政治思想觉悟。回顾中国共产党党史，无不让人感叹；90年前成立之初，只有50名党员的小党，28年后竟然能夺取全国政权，到现在发展到7800万党员；从1927年领导八一南昌起义向反动派打响第一枪，22年后横扫千军如卷席，百万雄师过大江，建立新中国，使中国人民真正扬眉吐气，站立起来，到现在建成一个繁荣、昌盛、屹立在世界东方之林的强国，是因为中国共产党是旗帜，是标杆，具有鲜明的先进性和高尚的为民情怀，有超强的驾驭能力。当战争来时，共产党人出生入死，舍生取义，义无反顾；每逢灾难，共产党人总是挺身而出，赴汤蹈火，用血肉之躯保护人民群众的安全……中国共产党始终代表着最广大人民群众的根本利益，代表着中国先进生产力的发展要求，代表着中国先进文化的前进方向。共产党心系人民，急群众之所急，想群众之所想，倾听群众呼声，关心群众疾苦，时刻把人民群众的安危冷暖挂在心头，做到了权为民所用，情为民所系，利为民所谋，它的宗旨就是全心全意为人民服务，它的目标就是国富民强。

共产党有一种激情，那就是对广大人民的深情；共产党有一份责任，那就是对广大人民的担当之责；共产党有一种追求，那就是实现共产义的远大理想；共产党有一种智慧，那就是一种不可战胜的力量！共产党用她对人民的深深的爱同样赢得了广大人民对她的深情爱戴！历史和现实都足已证明：没有共产党就没有新中国，没有共产党就不能建设强大的祖国，中国共产党就是一个伟大、光荣、正确的党！这也是我热切希望加入中国共产党，成为一名党员的最大原因。要成为一名合格的党员，首先就要端正入党动机，明确党员的权利与义务，切忌功利心。其次，我们要努力学习科学知识，认真学习马克思主义理论，练就过硬本领，时刻按照党员标准要求自己，以实际行动争取入党。

党课讨论发言稿篇2

发言主题:大数据研究的若干科学问题

先作一点说明:这里所说的科学问题是指中层科学问题。打个比方说, 我不讲“人怎样才能做到长生不老”这类长远目标问题, 而是讲“怎样去治疗一个特定的疾病”这样的中层目标问题, 当然像“哪个基因影响了某个遗传疾病”这样的更底层问题, 我也不讲。我主要想和大家一起探讨中层科学问题。因为, 我感到, 关注这样的中层科学问题对于当前推动大数据研究有迫切性。

有关大数据时代、大数据的意义与价值, 近来的多个论坛已讨论得很充分了。作为一个科学工作者, 我们的责任应该是为迎接大数据时代的挑战提供理论与技术上的支撑。与其坐而论道, 不如起而行之。于是我就在琢磨“大数据到底给我们带来了什么?现有的数据处理与分析受到了怎样的挑战?什么是其中新的、本质的科学问题呢?”我有两个直接的起因来思考这些问题:其一, 我本人是应用数学与信息处理背景, 长期从事数据分析、机器学习与数据挖掘方面的研究;其二, 最近两年我有两个博士研究生在南加州大学伯克利分校统计系联合培养, 他们所在的小组专门做这个事情, 所以我了解一些情况。讲讲这方面的内容或许对我们如何进入这一领域会有一些启发。

在开始讲科学问题之前, 我还是希望讲一点对大数据的认识。因为从数学的角度, 如果不加限定, 我的问题就提得不一定对了, 所以作些限定是很重要的。关于大数据我有三点认识与大家讨论。

第一个认识, 应该用一种简练的、本质的、类似于数学公理化的方式来定义或界定大数据。什么是大数据, 第一, 我认为单从量上来说并不最重要, 不能集中存储应该是本质, 所以我倾向于用这一个词, 动态性、高扩展性等可蕴含其中。第二, 我认为难以在可接受时间内分析处理是另一个本质, 这主要反映大数据的复杂性。第三, 数据整体呈现高价值 (因而必须整体处理) 是又一个本质。我把这三点集合在一起作为大数据的定义, 即定义大数据为“不能集中存储、难以在可接受时间内分析处理、个体或部分数据呈现低价值而数据整体呈现高价值的海量复杂数据集”。如果大家觉得这个定义有问题, 可以尽管提出来讨论, 但我认为这是一个基本的东西。

有关大数据的价值, 我认为最重要——或许是最值得珍视的是在人文社会科学方面。马克思曾经说过, 一个学科只有运用了数学才算成为一个真正的学科。人文社会科学一般来说还没有发展到运用数学语言描述的阶段, 但很显然, 已经到了“让数据说话”、“让事实说话”的阶段。大数据处理的系统化 (数学化) 让我们有可能科学地研究和处理人文与社会学问题, 这是大数据的真正价值所在, 应该引起特别重视。这是我的第二个认识。

第三个认识, 大数据研究是地地道道的多学科交叉综合研究, 不是任何一个单一学科能够解决问题的。大数据研究大体上说涉及数据获取, 数据存储、查询与管理, 数据分析与理解, 数据应用等方面。数据获取主要涉及物理、材料、电子等学科, 数据存储、查询与管理主要涉及计算机学科和诸多的IT企业, 数据分析与理解主要是数学、统计学、信息科学的问题, 而数据应用则涉及各行各业。从数据产生到数据形成有一个完整的价值链, 如何管理这样一个价值链就是管理学问题。这样的价值链又会催生大数据产业。大数据产业管理当然不仅包括产业链管理, 也包括商业模式与公共政策等方面。所以大数据是地地道道的多学科综合性研究, 不是某一单一学科能解决问题的。希望我们大家携起手来一起研究。

我现在回到有关大数据研究的科学问题上。我提出如下5个方面的问题与大家讨论, 这些问题基本上都是立即可以着手做的。

第一, 大数据高维问题。大家都知道, 在经典统计学中, 数据量n要求是远远大于决策要素p的;而在高维问题中, 维数p远远大于样本量n。举例来说, 人类的DNA碱基对数量大约30多亿, 而整个加拿大的人口只有几千万, 当在加拿大研究某个遗传病时, 就算全部对其国民采样, 相对于几十亿的DNA碱基对数量, 所能获得的数据量永远是小数, 这个问题就很难解决, 这是统计学近年来关注的。我们所说的大数据会带来怎样的影响呢?现在的情形是:决策要素和数据量可能都趋于无穷式地增长, 而决策要素相比于数据量增长成指数级, 而且在这样的增长过程中, 决策要素之间的相互独立性可能会被破坏。我们可以把这样的问题叫做大数据高维问题。高维问题带来的主要挑战是解的不确定性问题, 特别是数据的信息量不足以唯一确定决策的问题;还有一些传统的统计推断不再成立了。这是面临的最大挑战。我以为挑战和问题是不一样的, 挑战是知道这个事情很难做但不知道怎么做, 科学问题是指能够精确描述的问题, 这是我的理解。这个问题目前的热点是稀疏性建模, 即通过对决策空间施加稀疏性约束来做决策。比如对于某个具有不确定解的方程, 我们假定它的解有稀疏结构, 那这个方程就变得可解了。这是稀疏建模的本质所在。那么问题是, 除了增添稀疏性这样的先验信息外, 我们还能补足什么样的信息可以使得问题可解呢?我认为这是应用领域和科学领域都需要关注的问题。这是高维问题中值得关注的第一个问题。第二个问题是, 低维几何的高维泛化。举例来说, 图1所示的兔子是三维的, 我们假定它是高维海量的, 但我们没法去直接认识它, 但是如果有个太阳和在太阳下它的一个投影, 我们便可以根据太阳和这个投影的信息来推断兔子的样子。这就是低维几何的高维泛化。这个问题可能会启示或激发一些数学家从几何角度来研究高维数据问题。第三, 高维数据本身常常呈现低维特征, 如何刻画这样的低维特征, 并利用这样的低维特征将高维问题简化到低维值得研究。

第二, 重采样问题。重采样问题可以严格地以下述方式定义。我们知道, 大数据是数量巨大而又不能集中存储的数据集, 因此通过一台中心计算机和使用一个有效的算法去有效处理它是不现实的 (即使扩容、增速) 。一个自然的处理办法是将大数据集拆分成若干较小的数据集, 而后分而治之。这样的想法对于不太大的数据集来说是有效的, 很多的并行处理其实正是基于这样的原理。然而, 对于大数据来说, 数据的整体是海量的, 而整体更显意义, 所以如何拆分大数据是一个十分困难的问题。我相信, 随机拆分是解决问题的可能途径。问题是:如何设计一种随机拆分机制将大数据集拆分成若干小数据集, 通过对每一小数据集进行推断, 然后将基于小数据集上的推断聚合形成一个整体推断, 这个整体推断能反映大数据集的某种整体性质, 这就是我说的重采样问题。这个问题很基本, 也很具有挑战性, 是伯克利小组最近关注的问题之一。最近Kleiner等人在ICML2012上发表的工作The Big Data Bootstrap可认为是这一努力的开始。重采样问题的本质困难在于如何重采样以体现数据的某些 (某种、某类) 整体特征。可重点探讨的研究方向包括:如何基于试验设计重采样;如何基于目标信息处理的重采样;如何设计更加有效的聚合原理 (像Boosting, Bagging那样) 等等。这里, 我想强调一下实验设计方法应用的可能性。大家知道, 传统的实验设计是根据特定目标以某种优化的方式设计试验方案 (确定模型) , 从而产生数据并实施统计推断的方法 (见图2) 。本质上说, 它是从一个未知总体中合理产生数据, 并按确定的模型推断来达到特定目标, 而这个特定目标也正是未知总体规律的一部分。这个思想有可能被推广来做大数据分拆。不过对大数据来说, 问题显然不同了:在传统的实验设计中, 数据整体是未知的, 是上天, 所有的规律都在天上, 我们只能根据特定的目标, 设计最好的采样和模型来尽可能优化地 (如无偏、高效) 证实目标;对于大数据, 其自身就是整体, 就是天, 所有规律都在里面。我们需要的是, 根据我们对数据的认识 (规律) 形成一系列目标, 然后应用实验设计方法抽样, 形成有规律性的、但同时又是随机的分拆。我感觉, 这可能是一个处理大数据分拆问题的一个好思路。

第三, 分布式计算问题。我不从技术层面上来分析这一问题, 只想看看从科学层面上, 哪些问题值得关注?首先, 要处理大数据, 分布式计算是不可回避的, 它是适应数据不能集中存储和应对数据的海量性、开放性、动态性等复杂特征的唯一计算模式。分布式计算采用多处理器自主处理、但协同完成计算任务是本质。分布式计算首先要有相应的技术支撑, 如相适应的硬件技术、存储技术和查询技术等, 但更本质的问题是问题的可分解性和解的可组装性, 即:需要解决的问题能否分解 (或弱藕合地分解) 成若干子问题, 以及整个问题的解是否能够通过子问题的解来组装?我们可以略为仔细地考察一下以数学形式描述的方程组问题和优化问题。前者一般说就是一个很难分解的问题, 但后者就是一个相对容易分解的问题。一个问题的可否分解是与求解的算法相联系的, 例如优化问题当采用随机搜索方法时总是可分解的。根据这样的思路, 我们可以把问题分类, 以找到大数据分布计算的模型式。问题解的可拼接/可组装性不追求问题的可分解性, 而追求每一处理器独立处理部分变量, 而能将最终处理结果拼接或组装成整个问题解 (全部变量) 的性质。这个性质是计算机编码性质, 是用低维解决高维、用低精度计算完成高精度处理的基础。

十多年前我在研究遗传算法时曾经作过尝试, 提出把一个数量编码成一个二进制序列, 而赋予所编码的二进制序列“位”以几何含义, 已初步实现了问题解的拼接和组装。这个方法在上海大学的分布式计算项目中得到了应用。我们可以尝试用这个模式来分布式处理大数据。我相信, 问题的可分解与解的可组装是分布式计算的困难问题。当然, 大数据环境下的算法设计是一个立即可上手的问题。特别是, 能不能改造我们熟知的一些机器学习与数据挖掘算法 (如SVM、决策树方法等) , 使得它们真正对大数据可用、有效?

分布式计算的另一个基本科学问题是大数据计算复杂性理论。传统的计算复杂性理论是在固定不变的数据集前提下研究特定算法时间代价的, 或研究某个特定计算问题难或易于求解。对于大数据来说, 数据集常常是动态的 (流数据, 如网络数据) , 算法的复杂性分析必然地多了一个时间要素 (特别还要考虑数据的生命周期) 。在这样的背景下, 一个问题的可解性、困难性就必然依赖于数据的动态特征以及分布式计算所需数据交换的频率等。这样新的大数据计算复杂性理论很值得研究。

第四, 信息融合问题。这个问题很好理解, 因为大数据的基本特征是异构的, 它既包含数量、图形这样的结构化数据, 又包含文本、图像、视频、音频这样的非结构化数据。处理大数据的一个基本要求是把这样多种类型的异构数据放在一个框架下去推断, 而且能正确地抽取和融合不同类型数据所蕴含的互补信息在统一框架下处理异构数据, 一直认为是困难的, 但近年来有了重大进展。把文本、图像、视频等放在一个框架下去进行机器学习, 这件事情现在已经可以做到但有效性问题仍没有解决。信息融合在军事上的目标信息处理领域得到充分关注并应用广泛, 这里需要特别关注决策和估计的一体化问题。决策一般是在离散空间上进行的, 诸如关联、分类、识别、判定等都是决策问题;而估计通常是在连续空间上进行的, 像航迹估计、目标跟踪、函数估计等都是典型的估计问题决策和估计通常都是相辅相成、彼此关联的, 但传统上这二者一般是分开进行的, 这是造成我们决策质量不高的重要原因之一 (包括对许多经济问题) 。现在需要把决策和估计放到一个框架下处理 (即在一个离散空间和连续空间所构成的乘积空间上处理) , 我认为这是可能的。信息融合无论是数据层次、特征层次还是决策层次都有一系列深刻的融合估计理论与方法问题。

第五, 可视分析问题, 也就是大家常说的可视化问题。我们现在都说:我们人人都是大数据的提供者又同时是大数据的使用者。我觉得, 还应加一句:“我们人人也同时是大数据的理解和分析者。”所以, 我以为“全民参与”也是解决大数据问题的重要方面。我们应该把人人的智慧集中起来, 这或许是解决大数据问题不可忽视的事情, 而要做到这一条, 数据的可视是基本的工具与平台。大家知道很高维的数据可以用networ来表示, 但这只是表示数据间简单关系的一种可能方式。如何根据数据本质特征设计可表达的几何空间, 如何建立数据空间与可表达的几何空间的映照等是可视分析的最根本科学问题。相关值得研究的问题还包括高维数据的本质特征提取;形象的结构化表征 (可表达几何空间的构造) ;基于不变量 (几何, 代数) 的高维数据展示;非结构化数据的隐结构识别与展示, 等等。

发言主题:大数据、金融计算与智能

金融数据具有典型的大数据特征。以证券市场的交易数据为例, 这些特征包括了: (1) 海量 (Volume) , 例如分时金融交易数据的巨大数量; (2) 速度 (Velocity) , 例如交易所每秒都会产生海量的交易账户数据; (3) 多样 (Variety) , 例如交易数据会具有不同间隔频率的集结数据, 除了交易量、交易价格等常规之外, 还会有情绪文本数据等等; (4) 价值稀疏 (Value) , 影响金融产品交易动态特性的数据类型和数量都非常多, 但其真正对于金融产品动态特性的影响需要深度的挖掘, 而非浅表性观察或者简单计算就可以得到。

金融大数据还具有一些独特的性质。除此通常的大数据特征之外, 金融大数据还包括了另一些其他特征: (1) 金融数据经常是从微观 (个体) 数据“涌现”出来的宏观 (集结) 数据, 如股票价格就是由无数个体交易者的微观投资决策变量数据 (买卖出价及其数量) 经过市场定价机制 (如连续双向拍卖机制) 而“涌现”出来的集结性数据; (2) 在标准金融领域之外分散、开源的“非传统”数据, 例如“阿里小贷”们利用的各种会员商户交易数据、水电煤气缴费记录、甚至网络的转发、评论信息等等。

大数据将可能为未来的金融理论研究和实践带来新的前提条件与挑战。阿里金融、Derwent Capital等互联网金融公司的实践已经在学术界引起研究的兴趣, 在主流学术期刊上也在开始不断出现相关的学术研究成果。根据对于文献和互联网金融实践的研判, 未来金融研究和实践可能面临新的前提条件: (1) 金融数据间的交叉关联性更容易获得; (2) 个体微观层面数据更加丰富; (3) 金融决策依据的数据类型的增加; (4) 数据获取信息成本的降低。当然, 我们也会因此面临新的挑战: (1) 金融机构之间将会产生更加复杂的关联, 金融决策也会面临更加复杂的信息环境; (2) 大数据的碎片化、开源和分布式存储带来研究和管理的新困难 (例如有效集成的困难性) ; (3) 宏观金融变量 (现象) 变得具有非加总特性, 进而使得传统建模方式具有很大的局限性; (4) 在创新基于大数据的金融产品与交易策略过程中, 会面临新的风险。

金融大数据为未来的金融研究提供了可能的新课题。金融数据特性的上述变化以及相应的金融实践活动规律产生的变化, 为金融学、信息科学等多学科的学者们带来了很多新的研究课题, 下列这些就是其中一些可能的例子: (1) 复杂信息环境下个体金融决策行为规律; (2) 开源大数据环境下的信用评价和金融欺诈分析; (3) 微观金融大数据的涌现式建模理论与方法; (4) 大数据视角下的体系性金融风险管理新理论、新方法; (5) 金融大数据处理技术及数据信息分享机制的建立。

金融业是高度依赖信息技术的典型数据驱动行业。单单有前面所呈现的金融大数据本身是没有价值的, 但运用高性能计算机、通过适当的模型或者算法对这些大数据运行并处理后, 有可能对于那些原本不可预知的风险进行“情景”预现, 从而使金融参与者、金融监管部门在恰当时机介入, 从而提供安全平息潜在的金融风险事件的可能。《Nature》杂志在2008年的一篇文章中专门描述了这样一种可能性。

积极推动“数据科学”、“数据技术”和“数据产业”的形成。发达经济体已经把应对大数据技术革命带来的机遇和挑战提高到国家战略层面, 我们也应当积极推动大数据背景下的领域理论研究和相应的技术研发。此外, 大数据作为现代信息化社会的一种重要资源和社会资产, 国家应当推动在这个领域形成“数据产业”, 形成对于大数据的采掘、加工、交易、增值服务的新型产业链, 推动经济的升级转型、推动社会的进步。

发言主题:大数据研究和利用面临的问题

大数据研究和利用面临以下这些问题:

大数据本身没有创造性。隐私问题与数据共享之间的矛盾非常严重:数据是财富, 涉及到所有组织和个人的利益, 那么大数据的所有权如何界定?比如消费者数据是否归消费者?哪些数据应该公开?哪些可以共享?数据安全如何保证?

大数据给现在的医学数据带来了融合发展。不仅仅是医学数据, 还有很多的生活环境的数据, 只有在大数据的条件下, 搞数据的人才能将一些本不相关的数据联合起来, 发现遗传和环境的共同影响。医学研究的是个体, 在会议中, 可以设置医疗等不同领域形成不同的方针, 这可能推动大数据医疗的发展。

数据共享方面的问题:美国NCBI (注:美国国立生物技术信息中心) , 为全世界服务, 中国推动了十年还建不出来, 国内数据宁可给NCBI也不给国内, 感觉没有这样的义务, 得不到利益。在日本, 只要拿了政府的钱, 就必须与政府共享数据。可以建立一定的保护措施, 比如有一年的延迟, 一年后强制数据共享, 这需要政府出台政策、制度、法律!

发言主题:大数据研究、应用、和推广的几个层面

大数据研究、应用和推广主要基于以下层面:

1.科研机构应向国家高层决策者提出建议, 制定大数据国家战略, 并在发展目标、发展原则、关键技术等方面进行顶层设计。明确“大数据国家战略”与“感知中国”和“智慧城市”之间的关系, 制定战略时要考虑战略上的连贯性。我国迫切需要从国家层面上制定大数据发展规划, 将大数据上升为国家战略。

2.我国一些政府部门和机构拥有大量数据, 这些数据对于政府公共管理和社会管理的智慧化和科学化具有重要作用。发展和利用跨部门的政府信息大平台, 可以提高行政工作效率, 降低政府运行成本, 提高政府决策的科学性和精准性, 提高政府预测预警能力以及应急响应能力。

3.在产业层面和企业视角探索大数据的潜在发展前景与效益, 面向电信、金融、能源等行业, 引导企业参与。建立基于不同行业领域的专题数据库, 提供内容增值服务。从战略上重视大数据开发利用, 将它转变为经济增长方式的有效抓手。

4.大数据研究、应用和推广要体现“以人为本”的理念。从个人和民生角度, 探索大数据应用对老百姓日常生活各方面所带来的益处, 例如交通、物价、食品安全、环境、医疗卫生等方面。大数据时代, 信息安全和隐私保护是一个非常重要的问题, 国家应该制定完善关于信息安全和隐私保护策略和措施, 特别是针对老百姓隐私保护的法律法规。

5.以大连市为例:大连市政府正在以“全域城市化、新型工业化、城市智慧化和农业现代化”为统筹, 提升城市综合竞争力, 部署智慧城市建设。大连市政府相关部门多次召集高校、科研院所和高新技术企业共同讨论大数据发展战略。加快发展大数据产业, 加大对数据的研究和分析, 为大连市战略性新兴产业发展创造有利条件, 帮助新兴产业快速成长, 不断提高战略性新兴产业的核心竞争力。通过发展大数据产业, 可以提高大连软件业的整体水平, 降低成本, 形成更好的产业集聚效应, 助推大连智慧城市建设, 有力促进城市转型发展, 服务民生和促进和谐。

发言主题:知识表达与大数据

知识的表示本身还存在一些挑战, 有显性知识、隐性知识之别等。比如, 机器学习领域的人认为支持向量机具有很好的解释性, 可以归为显性知识。对于其他学科方向的人来说, 支持向量机还是很难解释清楚的。

如何用最容易为人所理解的方式表达知识, 是目前大数据处理面临的重要问题。

就知识的表示来说, 最小的知识粒度是概念, 而概念的表示在目前认知领域依然是一个未能完全解决的难题。就概念的经典表示来说, 可有外延和内涵表示两种。在一定意义上, 机器学习就是从一个有限的概念外延子集出发, 推断出该概念的内涵表示。显然, 大数据再大也是一个有限的集合, 因此, 要考虑样本的典型性, 不需考虑太多冗余的数据。简单说, 要考虑的是样本的概念典型性, 有限的样本集合是否足够表达出需要学习的概念内涵。

当然, 科学本身就是可以证伪的, 因为噪音的存在, 数据可能本身就不是真实的。现在的大数据, 不一定都是在严格标准下收集来的。

科学不一定是每个概念都要定义的, 不是都能定义的。只要有自己独特的研究方式, 可评估的研究结果就都是科学。因此, 利用大数据进行科学研究不断证伪, 还是很有意义的。

发言主题:科学数据的共享需要专业机构提供技术支持服务

大数据研究中一个很重要的问题是数据表征:通过该表征计算机能对其进行计算, 获得使人能理解的结果。如何提取出好的、自适应的数据表征是大数据研究的难点也是重点。目前, 机器学习中的热点研究——深度学习 (Deep learning) 由于大数据得到了迅猛发展, 该方法能基于数据自动提取出自适应数据表征, 即原始数据输入该计算系统, 可自动生成适合对应任务的表征, 而SVM (注:支持向量机) 在这个方面是有缺失的。深度学习是一个复杂的算法, 有大量参数需要调节学习, 大数据的出现使得该系统可得到很好的训练, 可自动获得自适应的数据表示。

因而, 如何获得大数据, 如何用好大数据是关键。目前, 商业大数据由于经济利益很难开放, 而政府在这方面不同, 可开放部分不带有隐私性质的数据。目前, 英国在政府开放数据方面做得最好, 这可能与2012年的奥运会召开有关, 主要涉及天气、交通出行等数据。而美国开放数据则可能和奥巴马竞选有关。总之, 很多由政府部门主导产生的科学数据在某种意义下可部分开放。

目前, 国内外可共享或有条件共享的科学数据越来越多。在遥感领域, 美国提供了很多无条件共享的数据, 如国家航空航天局 (NASA) 的中分辨率成像光谱仪MODIS (http://modis.gsfc.nasa.gov/) , 美国国家海洋和大气局的第三代实用气象观测卫星NOAA (http://www.class.ngdc.noaa.gov/saa/products/cat Search) 。中国也提供无条件共享的气象卫星数据 (风云系列, http://satellite.cma.gov.cn/portalsite/default.aspx) 和有条件共享的中巴地球资源卫星系列 (http://www.cresda.com/n16/n1130/index.html) 。欧洲空间局数据的共享是有条件的。

通常, 无条件免费获取的数据没有专业的机构对其进行技术支持, 使用该数据的人只能通过简单的数据说明并根据自己的需求自行开发使用。然而, 欧空局的数据有非常系统的培训体系, 除了详细介绍哪些应用适合使用哪个类型的数据 (数据附有应用示范) , 还有针对性地开发出一系列分析该数据的软件, 并定期提供免费的培训课程, 同时, 对应的资料和软件都是可无条件共享的。例如, 遥感中的合成孔径雷达图像分析往往需要比较高的门槛, 但通过其提供的技术支持服务, 使得对该数据的使用变得轻松, 不仅增加了该数据的用户群, 同时也促进了该学科和相关行业的发展。因而, 科学数据的共享需要专业的机构对其使用提供一定的技术支持, 使其能更好地被科研和应用部门使用应用。

发言主题:数据科学与数据产业

1.数据界已经在网络空间中形成

人类是在物理空间中生存的, 通过建立起来的政治、法律、经济、社会……等等, 使得人类的生存变得有秩序。然后, 网络空间 (Cyber Space) 的形成, 扩展了人类的生存的空间。网络空间是指计算机网络、广电网络、电信网络、物联网……等等所有人造网络的全体。在网络空间中, 政治、法律、经济、社会……等等, 都与物理空间不同, 需要重新建立, 这是我们面临的问题。

物质是物理空间的唯一存在, 而数据则是网络空间的唯一存在。长期以来, 人类在做信息化的工作, 信息化是将物理空间的事物转化成网络空间的数据, 即信息化本质是生产数据的过程。数据被大量生产, 并在网络空间中存储积累而形成了数据资源。数据资源的价值已经被认识到, 它将超过石油、煤炭等自然资源, 是本世纪最重要的资源。

事实上, 网络空间的数据呈现出自然界的特征:不可控, 未知性, 多样性, 复杂性。我们认为网络空间的所有数据已经构成一个数据界 (Data Nature) , 需要专门研究和开发。例如:数据资源需要什么样的法律来保护和开发利用?如何判断看到的数据是真实的?国家、社会、军事、政治新形态是什么 (已经有人提议给Facebook在联合国设立席位) ?数据界有多大、有多少数据?数据以什么方式增长?数据如何传播?当前看见的数据界是真实的数据界吗? (通过百度, Google看到的不是真实的数据界, 还有更多的东西没有出现在网页中)

2.数据界需要新科学:数据科学

前面提到问题是当前的自然科学和社会科学所不研究的, 或者说是不属于自然科学和社会科学的研究范畴, 需要一个新的科学来探讨研究, 这就是数据科学。

数据科学:研究数据的科学或关于数据的科学, 是探索网络空间数据奥秘的理论、方法和技术。主要有两个内涵:

(1) 研究数据的各种类型、状态、属性、组织形式、变化方式和变化规律, 即认识数据、掌握数据。这是指数据科学研究数据自身的现象和规律, 包括数据的历史、进化和迁移, 数据网络的形成和发展, 数据部落和数据国家的形成, 数据的各种形式、类型、状态、属性及其变化形式和变化规律, 等等。

(2) 另一个是为自然科学和社会科学研究提供一种新的方法, 称为科学研究的数据方法, 其目的在于揭示自然界和人类行为现象和规律。这是指数据科学为自然科学和社会科学提供了一种新的研究方法——数据方法, 称为科学研究的数据方法 (Scientific Research Method with Data) , 其目的在于揭示自然界和人类行为的现象和规律。数据科学支持和推动自然科学和社会科学研究的发展, 因为宇宙、生命、社会、法律和经济等等事实以及人类生存和发展都被映射到数据界中。即我们可以利用网络空间中的数据指导科学研究, 或者提高各种科学研究领域的效率和效果, 例如生物信息学。从这个内涵上看, 科学研究方法需要进一步发展, 包括数据工具的利用 (例如, 数据显微镜Google) , 科学数据存储和共享技术, 科学研究的数据方法的方法论等等。

3.发展数据产业, 促进经济转型

数据产业, 是网络空间数据资源开发利用所形成的产业, 其产业链主要包括:从网络空间获取数据并进行整合、加工和生产, 数据产品传播、流通和交易, 相关的法律和其他咨询服务。在当今网络时代, 数据产业含盖了:数字出版与文化业、电子图书馆和情报业、多媒体产业、数字内容业、数据服务业和信息咨询业、领域数据资源开发服务业 (政务、商务、科学、社会、金融、经济、地理等等) 等等。

掌握数据资源将在国际上掌握主动权, 不论是反倾销诉讼、铁矿石谈判、汇率问题、节能减排、碳关税谈判等等重大国际政治经济事务, 无一不是靠数据说话的。掌握数据科学技术才能开发利用数据资源, 如果在数据科技方面领先, 那么在现代军事方面都有可能处于领先地位;掌握数据科学技术就是掌握未来经济, 数据产业是未来的最具潜力的新兴产业, 发展数据产业可以产生巨大的经济效益。数据产业是战略型新兴产业, 需要在国家层面开展布局和政策研究, 使国家从“国民经济与社会信息化战略”转向“基于网络空间的现代国家管理发展战略”。数据产业的发展将是信息产业升级, 从基础设施投资转向对数据资源的投资。数据科技是智慧城市、云计算、物联网的核心。

4.基于网络空间的现代化国家管理发展战略

随着数据的增长, 人类的能力在提高:以全球气候研究为例, 以前只能做局部的天气预报, 而今天可以研究全球的气候变化;现在炒股票的方式也在发生变化, 可以通过一个微博的变动来影响股价, 现在全球金融市场是联动的;还有随着数据的增长, 医疗都会跟以前完全的不同, 主要体现在以下5个方面:疾病早期诊断和预防、医疗保险欺诈与滥用监测、公共卫生决策支持、医学诊断有效性评估和度量以及不良药物事件监测;随着智慧城市的建设, 国家管理方式在发生着巨大变化, 国家利用官方微博和民众保持快速沟通, 网络反腐是一个有效的反腐手段……等等。

具体来说, 社会发展方面、国家管理方式以及军事方面也都发生了变化。社会发展变化体现在民生上, 国家管理则是基于网络空间的现代化管理发展战略, 比如网络防腐败工作。军事上, 军队需要像保卫国土一样保卫数据资源, 而不仅仅是依靠政府信息安全部门去保护数据安全, 保卫数据资源和保卫国土一样是军队的责任。社会发展与城市管理层面, 从待在家里到一路远行, 无处不体现出智慧的工作。所以我们要去开发各种各样的智慧系统, 用一些开发的技术去支撑这项工作。智慧城市可以带来整个工作生活的便利, 智慧城市的核心是智慧引擎的建设, 大数据是智慧引擎的核心。

事实上, 经过长期国民经济与社会信息化战略的实施, 今天的社会是运行在网络空间之上了, 信息化已经是一个常态工作, 就像电力的使用一样。因此, 信息化已经不需要政策的推进。国家需要建立基于网络空间的管理、运行和发展战略。

5.当前的工作:用好大数据

大数据是人类认识、探索数据界的一个方面, 是数据科技的一个方面或一个阶段的典型表现。

各学科的人, 各领域的人, 聚集在一起讨论大数据, 这正是大数据的带来大影响, 大改变。大数据本质上是数据的交叉、方法的交叉、知识的交叉、各领域的交叉, 从而产生新的科学研究方法、新的管理决策方法、新的经济增长方式、新的社会发展方式等等。这是大数据的魅力所在, 也是大数据带来大变革的本质, 更是大数据热潮之根源。这是技术进步带来的好处, 持续进步的数据技术使人们能够快速分析大而全的数据集, 获取决策依据, 提升决策效能。

什么是大数据呢?大数据有三个内涵:数据、技术和应用, 数据隐含价值, 技术发现价值, 应用实现价值。由于数据和应用涵盖各行各业各领域, 所以, 大数据几乎对所有领域都产生巨大影响, 这也是几乎所有领域都非常重视大数据的原因。

数据价值的实现是大数据引起关注的原因, 随着数据的增长, 人类的能力在提高, 能够做以前不能做到事情, 其本质是改变了人类的决策方式和方法。

用好大数据, 需要重视一下几个方面的工作:

(1) 促进数据流通

我们认为数据不共享将是发展趋势。既然大家都认识到数据像黄金、像石油, 很有价值, 就需要等价交换。早期, 科研数据的共享很容易实现, 这是因为科学数据很难产生商业价值, 于是也很少有人愿意管理数据并提供共享服务。现在, 除了科学研究数据之外, 大量数据来自人的行为, 这些数据就有很大的商业价值, 这些很有价值的数据, 就不愿共享, 拿出来共享的难度就很大。但是, 大家都愿意数据流通而发挥数据的价值, 这是数据产业形成的基础。

(2) 制定关于数据的法律

关于数据的权益、所有权的问题, 通过立法等手段明确后就不存在共享的问题, 就是流通的问题了。数据资本化, 很多交易所就这样做了。因此, 需要制定法律来界定数据的权益, 甚至是主权, 数据保卫, 其实就是军事, 现在战争已经转化为网络战争。另外还有数据的隐私问题, 大数据下对隐私该如何界定 (法律、制度、技术实现) ?这些都需要制定法律。

(3) 政府大数据利用与开发

大数据的应用涉及政府 (反腐败、维稳) 、企业 (互联网企业) 、个人 (买卖股票、机票预订) 。决策的制定都需要大数据, 有应用的需求。从目前情况看, 政府大数据开发利用值得重视。在上海, 数据的积累比较好, 且进行了良好地管理。例如, 交通和医疗的数据集中在两个单位, 将来这些数据资源可以为城市发展规划、人口政策、市民出行、健康医疗等提供大数据服务。上海市政府有信息资源公开的意向, 重点在于把数据利用起来。上海已经出台了《上海推进大数据研究与发展三年行动计划》, 计划覆盖整个国民经济的19个大的领域, 在数据开发, 分析和服务平台方面开展布局。

(4) IT将转向数据科学

必须注意到, IT已经在向数据科技转移, 我们国家的IT产业也需要考虑转型, 发展数据科技和产业。EMC已经连续三年召开了“数据科学峰会”, EMC的CMO Jeremy Burton在2012年5月更是直接阐述了“IT将转向数据科学”观点。Jeremy Burton说:如果你是计算机专业的学生, 那么你的最大前途是成为一个数据科学家, 未来计算机行业的发展方向是数据科学, 计算机行业的人需要转变成数据专家, 进一步要成为数据科学家。

(5) 避免大数据炒作

从目前情况看, 大数据在中国已经太热了, 要避免“一拥而上, 一轰而散, 一无所获”的局面发生。

6.几点建议:

(1) 加快数据科学人才培养

数据人才的缺口是全球性的, 我们关注到, 中国大学的数据领域的毕业生越来越多地被直接录用到美国工作到美国本土工作, 这说明美国数据人才紧缺的程度。我们需要加快数据人才的培养, 需要打破体制的制约, 尽快在大学设立数据科学专业, 建立数据科学学科体系, 打破自然科学、社会科学、计算机科学、信息科学……等学科的界限, 不能在原来的学科框架下培养数据科学人才。国际上, 已经有哥伦比亚大学、纽约大学等著名大学开设了数据科学专业, 更多的大学开设数据科学课程。很多学校都已经开始进行数据科学的培养, 虽然没有形成一个学科, 但已经有这样趋势, 不需要有明确的定义才去做。

(2) 加强数据科学基础研究

基础研究是基石。全球数据有多少?数据以什么方式增长?大数据之后是什么?数据增长如何影响人类?这样的一些问题没有直接或短期的经济效益, 但是基础, 需要在国家自然基金层面开展研究工作。这不是哪一个学部的问题, 也不是简单的跨学部的问题。

(3) 大力发展数据产业

第二次党课自学讨论发言提纲篇3

陈玉文11124747

一、为什么说新中国的诞生和社会主义制度的建立是20世纪中国又一次历史性巨变?

新中国成立后，我们党创造性地完成由新民主主义到社会主义的过渡，实现中国历史上最伟大最深刻的社会变革，开始了在社会主义道路上实现中华民族伟大复兴的历史征程。而社会主义制度的确立是中国历史上最深刻最伟大的社会变革，也是20世纪中国又一次划时代的历史巨变。中国从一个半殖民地半封建社会，越过漫长的资本主义发展的历史阶段，进入到社会主义新时代。一个长期受帝国主义掠夺和奴役的国家，变成一个享有主权的独立的国家。一个四分五裂的国家，变成一个除台湾等岛屿外实现统一的国家。一个人民备受欺凌压迫的国家，变成一个人民当家作主、享有民主权利的国家。一个经济文化落后的国家，变成一个走向经济繁荣、全面进步的国家。一个在世界上被人们看不起的国家，变成一个受到国际社会普遍尊重和重视的国家。所有这些，都是建立富强、民主、文明的社会主义现代化国家不可缺少的经济、政治、文化和社会条件，为后来中国社会的发展和进步奠定了坚实的基础。

二、以毛泽东为代表的中国共产党人是如何以苏联为鉴戒，对中国社会主义建设道路进行最初探索的?

在二十世纪五十年代中期社会主义改造基本完成新中国开始步入社会主义初级阶段之大门的时候，在大规模的社会主义建设刚刚开始的时候，以毛泽东为代表的中共第一代领导集体直面“如何建设社会主义”的问题，初步实现马克思主义同中国实际的第二次结合，创造性地提出了以苏联经验为鉴戒、走中国自己的社会主义建设道路的新思想。

三、如何看待以毛泽东为代表的中国共产党人在社会主义建设过程中所走过的弯路?

任何事物的发展道路都不可能是一帆风顺的，要知道，中国共产党领导人，是自己一人在摸索社会主义的发展道路，这在马克思主义的发展史上是第一次，没有前人的经验可以借鉴，全盘照搬苏联的发展经验也是行不通的，自己在黑暗中摸索，自己摸着石头过河，难免会失误，或是犯错误。

四、为什么说党的十一届三中全会是一个伟大的历史转折点?

党的十一届三中全会是建国以来党和国家历史上具有深远意义的伟大转折。其主要表现为：第一，全会重新确立了党的马克思主义思想路线、政治路线和组织路线，结束了1976年10月以来党和国家工作在徘徊中前进的局面，开始全面认真地纠正“文化大革命”及其以前的“左”倾错误；第二，全会作出了把党和

国家的工作重心转移到社会主义现代化建设上来和实行改革开放的伟大决策，开始形成“一个中心、两个基本点”的思想，因而成为开辟建设有中国特色的社会主义道路，开创社会主义现代化建设新局面的伟大起点，成为中国第二次革命的发端；第三，全会恢复和发扬了党的民主传统，正确地运用了批评和自我批评的武器，党和国家的政治生活从缺乏民主的沉闷的不正常状态，开始向民主活泼的正常状态转变。这也是20年来党内政治生活的一个显著转变。

五、改革是怎样在农村首先取得突破的?怎样认识改革的成就和意义?

以家庭联产承包责任制为主要形式的农业生产责任制的推行、巩固和完善，打破了中国农业生产长期停滞不前的局面，促进农村从自给半自给经济向着较大规模的商品生产转化，从传统农业向现代化农业转化。

我们党实施现代化建设“三步走”战略，带领人民艰苦奋斗，推动我国以世界上少有的速度持续快速发展起来。我国经济从一度濒于崩溃的边缘发展到总量跃至世界第四、进出口总额位居世界第三，人民生活从温饱不足发展到总体小康，农村贫困人口从两亿五千多万减少到两千多万，政治建设、文化建设、社会建设取得举世瞩目的成就。中国的发展，不仅使中国人民稳定地走上了富裕安康的广阔道路，而且为世界经济发展和人类文明进步作出了重大贡献。

六、1992年邓小平南方重要谈话在什么是社会主义和怎样建设社会主义的根本问题的认识上有哪些重大突破?对推进中国的改革开放和现代化建设事业的重大意义何在?

实践证明，邓小平南方重要谈话的内容极其丰富。主要可以归纳为以下五大方面：第一，阐述了要坚持党在社会主义初级阶段的基本路线不动摇；第二，阐述了社会主义市场经济的理论；第三，创造性地提出了社会主义本质论和判断各项事业是非成败的标准；第四，对反对错误倾向作出了新的概括；第五，提出了解放思想，抓住机遇，加快经济建设和改革开放步伐，继续沿着有中国特色社会主义道路前进的号召。邓小平的南方重要谈话具有纲领性的意义，特别是在围绕“什么是社会主义，怎样建设社会主义”这个根本问题上，从理论上作出了新的回答，这是对马克思主义的新发展，使邓小平建设有中国特色社会主义理论更加系统，形成了完整的科学体系，是邓小平理论走向成熟的标志。

七、怎样认识邓小平理论在马克思列宁主义与中国实际相结合的思想理论发展史上的重要地位?

邓小平理论，是马克思列宁主义同当代中国实际相结合的产物，是毛泽东思想的继承和发展。伟大领袖毛泽东同志和其他老一辈革命家，早就发现苏联模式的某些弊端，他们在寻找一条适合我国国情的建设社会主义道路过程中，曾经做出过许多努力，提出过许多好的思想。邓小平理论继承了这些思想和观点，逐步形成了理论体系。

马克思主义产生于19世纪40年代，是资本主义矛盾激化和工人运动发展的产物。以《共产党宣言》的问世为标志。它吸收和改造了人类思想文化的一切优秀成果，特别是18世纪中叶和19世纪上半叶的社会科学和自然科学的成果。它的主要理论来源是德国古典哲学、英国古典政治经济学和英法空想社会主义。此外，法国启蒙学者的思想和法国复辟时期历史学家的阶级斗争学说，也为科学社会主义理论提供了有益的思想资料。19世纪科学技术的新成果，特别是细胞学说的确立，能量守恒和转化规律的发现、进化论的新发展为马克思主义的产生奠定了坚实的自然科学基础。

党课小组讨论记录篇4

关于XXX的党课小组讨论记录写出地点：（XXX办公室）

参于人：XXX XXX XX XXX。。

主要内容：比如关与安全，比如关于党章。。要短，也就是题眼

把那些某~~人说的话，加以精减，去掉口水话，全用书面语，总的概括所讨论的内容，明确主题，找到大家达成的共识。

最后要写下记录人

日期

附样稿一份：

党课小组讨论记录

时间：2010年4月11日地点：校区主楼

主题：如何成为一名合格的党员

参加人员：李雨菲、廖聂思珩、谢程欣、李美辰、周蓓蓓、耿悟、梁楠记录人：周蓓蓓主持人：李雨菲总结：4月11日，我们在校区大礼堂参加了党课的第四次学习，这一讲由白云龙老师讲授，题目为“如何成为一名合格的共产党员”。陈老师此讲深入浅出的对如何向一名合格的共产党员，怎样成为一名合格的共产党员做了阐述，使我们进一步加深了关于共产党的基本常识的认识以及了解了成为合格党员的程序与要求。

白老师从入党动机，信念等几个方面阐述了成为一名合格的共产党员的要求。这几点之中，我们今天可能还不能很深的理解，因为我们还没有真正地加入，但是，我们应该开始并且坚持以一名党员的标准来要求自己。下面参加讨论的各位同学踊跃发言，发言结束之后，我再做以小结，来完成此次讨论任务。

李雨菲：廖聂思珩：谢程欣：李美辰：

周蓓蓓：听完白老师讲的 “怎样成为一名合格的共主党员”党课之后，脑海中情不自禁地浮现出512那场大地歇斯底里的怒吼，那一个个令人赞叹的背影，那一张张坚定的永不放弃的脸……我忽然明白了，原来“党”就是人民最危难的时刻看到的一束光，它就是用最合理的方法领导全国人民走出困境，重建家园的天使。那“党员”呢？温总理在5.12大地震中不顾一切危险在第一时刻来到震区，给予人们心灵的安抚，让震中受灾的人民尽快恢复，这就是党员；周总理不断地为中外的关系上奔波，对中国的孤儿他全力收养，但自己却十分俭朴，吃穿简单，他也是是党员。雷锋一生中不断的做着有利于国家，有利于民族和人民的事，他用所有的一切换来他人的安全，幸福，不顾一切冲到废墟中，争取一切时间挽救他人生命。他还是党员。我顿时心里有了答案，原来党就在每个党员心中，而党员就在我心中。