随着AI技术的不断发展，人工智能已渗透至我们生活的方方面面，它不仅重塑了各行各业的生态格局，更深刻地影响着我们的思维方式。

小学生也要学AI？

近日，教育部办公厅发布关于加强中小学人工智能教育的通知，强调各地要统筹推进中小学和大学人工智能教育一体化发展，2030年前在中小学基本普及人工智能教育。

为响应国家教育发展战略，开发普适化人工智能教学资源，构建系统化课程体系，培养适应新时代要求的创新型人才，江苏省名师空中课堂于近期推出“人工智能通识课”专栏。

“人工智能通识课”首期将为同学们带来12讲内容，以线上直播的形式播出，12位省内顶尖专家学者将通过6个篇章为大家详细解构人工智能。课程由基础至进阶依次呈现，零学习门槛，中小学及高校师生均可观看。

江苏多校加速人工智能通识课程落地

中小学积极行动，高校更应加速前行。自教育部推出 4 项行动以推动人工智能赋能教育以来，从今年秋季学期开始，全国多所高校已面向本科生开设人工智能通识课程。

其中，江苏在这一发展进程中始终处于前列，步伐矫健。和鲸科技亦有幸参与其中相关工作的建设，为推动人工智能教育事业发展贡献自身力量，添上坚实的一砖一瓦。

南京大学

• 2 月 27 日，南京大学宣布面向全体本科新生开设“人工智能通识核心课程体系”，在全国高校中首开先河。“人工智能通识核心课程体系”分为“1+X+Y”三个层次，包括 1 门必修的人工智能通识核心课、X 门人工智能素养课、Y 门各学科与人工智能深度融合的前沿拓展课。
• 7 月 11 日，南京大学计算机基础教学部与和鲸科技、智谱AI共同举办签约会，就校企三方如何以“人工智能通识核心课程”为合作起点，充分发挥各自优势，展开了热烈且深入的研讨。和鲸社区在第二课堂的组织与开展模式方面的积淀，将通过数据、项目案例、实训实践资源、活动、竞赛等多种形态融入至课程建设中，推动学生实践能力和创新思维的养成。

和鲸科技助力江苏某高校人工智能通识课程实现全校覆盖

• 今年9月，江苏某高校的人工智能导论课程基于和鲸 ModelWhale 教学实训平台，实现了面向全校数千名学生的全覆盖开课计划。出于学校隐私已做脱敏处理，如果您是高校管理/教职人员，可以关注微信公众号“ModelWhale”联系我们了解案例全貌。
• 鉴于授课对象大部分是大一新生，实践采用低代码拖拉拽的方式，学生通过连接组件便能形成分析流程并直接运行生成结果，在听讲后立即上手操作，达到了课程“既要激发学生对人工智能的兴趣，又要帮助学生形成初步认知，且不能纸上谈兵”的目标。
• 由于课程面向全校学生开设，人数众多且学科背景各异，单靠一位老师显然无法完成教学任务，需要数十位老师共同授课。和鲸社区为老师提供丰富教学资源，老师们可以依据所教学生的学科背景，挑选适宜的数据和项目作为案例进行授课，实现了多学科融通，让不同学科背景的新生上好同一堂课。

和鲸Heywhale人工智能通识课解决方案重磅上线！

在课程筹备的过程中， 教学内容的编排、 实验实训的设计、教学平台的选型以及算力资源的配备等诸多问题可能会阻碍课程建设的推进步伐。 和鲸现重磅推出人工智能通识课 “教学平台+精品课程+实验资源” 一体化方案，可助力贵校于 2025 年春季学期快速启动课程，达成教学模式革新与成效跃升。

缺平台支撑？

和鲸 AI 通识课实训平台，开机即用，千人并发，算力不受限

• 和鲸ModelWhale教学实训平台涵盖即开即用的编程分析环境、Canvas 低代码拖拉拽组件、课程管理模块（含课件管理、作业管理、题库、论坛、学情统计等）、算力管理、镜像（环境）管理等模块；

缺课程内容？

和鲸提供完备课程材料，无需重新设计，从0到1，即刻开课

• 提供完整的 AI 通识课程材料，包括课程大纲、PPT、讲课视频、实验作业、实验环境等；
• 课程内容设计简洁易懂，让每个学生无论专业背景，都能快速掌握 AI 的基础概念。

缺实验资源？

低代码拖拽降低实践门槛，AI+学科全量资源，助力多背景学生同堂共学

• 实验实训提供低代码组件，学生以拖拽方式构建分析路径，实时运行出结果，降低上手门槛；
• 和鲸社区（拥有百万注册用户的人工智能实践社区）提供海量 AI 实验及作业资源，教师可根据授课学生专业背景精准挑选实例，实现教学内容多元化拓展。

了解解决方案全景，领取课程资料

和鲸拟定于 12 月 19 日举办人工智能通识课解决方案发布会，将特别邀请南京大学计算机基础教学部金莹教授出席。金莹教授会就南京大学在人工智能课程建设方面所秉持的理念以及积累的经验进行深度分享。与此同时，和鲸也将首次公开展示课程方案，且会提供少量珍贵的课程体验名额。
您可点此进入人工服务通道，领取课程资料/报名发布会。

2 月 27 日，南京大学宣布面向全体本科新生开设“人工智能通识核心课程体系”，在全国高校中首开先河。南京大学于人工智能通识教育方面的布局，目光长远且规划缜密。和鲸科技与南京大学之间建立了稳固且深入的合作关系，下文将通过和鲸视角展示南京大学人工智能通识教育工作的开展情况。

值得一提的是，在课程体系的落地过程中，南京大学以 “1+X+Y” 为展开，积极开展校企合作，为培养具备人工智能素养的拔尖创新人才创造了更多可能。

• 1：7 月 11 日，南京大学计算机学院大学计算机基础教学部携手和鲸科技与智谱 AI ，举行了 “101 数智领航计划”签约仪式，校企三方就如何以“人工智能通识核心课程”为合作起点，充分发挥各自优势，展开了热烈且深入的研讨。
• X：10 月 26 日，南京大学第十九届读书节在仙林校区图书馆举行开幕仪式，和鲸科技创始人兼 CEO 范向伟受邀出席，并与南京大学本科生院院长王骏一同揭牌启动南京大学 2024 级大学生人工智能素养大赛。2024 级大学生人工智能素养大赛旨在通过强化实践操作，让人工智能成为学生学习旅程中的亲密伙伴，促进学生形成对人工智能全面平衡的理解与认知，为培养未来跨学科领域的复合型人才奠定坚实基础。
• Y：10 月 24 日，南京大学地理与海洋科学学院与和鲸科技签署和鲸“101 数智领航计划”合作协议，双方就通过多样化的大模型工具打通教学和实践的壁垒，助力人才培养和科技创新达成共识，并在接下来继续就人工智能素质培养展开更多战略合作和交流。
  

和鲸Heywhale人工智能通识课解决方案重磅上线！

自教育部发布 4 项行动助推人工智能赋能教育，“人工智能+”在各大高校均被予以高度关注。今年秋季学期起，以南京大学为代表的全国多所高校已面向本科生开设人工智能通识课。但在课程筹备的过程中， 教学内容的编排、 实验实训的设计、教学平台的选型以及算力资源的配备等诸多问题可能会阻碍课程建设的推进步伐。 和鲸现重磅推出人工智能通识课 “教学平台+精品课程+实验资源” 一体化方案，可助力高校于 2025 年春季学期快速启动课程，达成教学模式革新与成效跃升。

缺平台支撑？

和鲸 AI 通识课实训平台，开机即用，千人并发，算力不受限

• 和鲸ModelWhale教学实训平台涵盖即开即用的编程分析环境、Canvas 低代码拖拉拽组件、课程管理模块（含课件管理、作业管理、题库、论坛、学情统计等）、算力管理、镜像（环境）管理等模块；

缺课程内容？

和鲸提供完备课程材料，无需重新设计，从0到1，即刻开课

• 提供完整的 AI 通识课程材料，包括课程大纲、PPT、讲课视频、实验作业、实验环境等；
• 课程内容设计简洁易懂，让每个学生无论专业背景，都能快速掌握 AI 的基础概念。

缺实验资源？

低代码拖拽降低实践门槛，AI+学科全量资源，助力多背景学生同堂共学

• 实验实训提供低代码组件，学生以拖拽方式构建分析路径，实时运行出结果，降低上手门槛；
• 和鲸社区（拥有百万注册用户的人工智能实践社区）提供海量 AI 实验及作业资源，教师可根据授课学生专业背景精准挑选实例，实现教学内容多元化拓展。

了解解决方案全景，领取课程资料

和鲸拟定于 12 月 19 日举办人工智能通识课解决方案发布会，将特别邀请南京大学计算机基础教学部金莹教授出席。金莹教授会就南京大学在人工智能课程建设方面所秉持的理念以及积累的经验进行深度分享。与此同时，和鲸也将首次公开展示课程方案，且会提供少量珍贵的课程体验名额。
您可点此进入人工服务通道，领取课程资料/报名发布会。

今年秋季学期起，全国多所高校面向本科生开设人工智能通识课。

当前人工智能通识课程的建设进展主要分为三种情况：

全市统筹，由某头部高校牵头建设市级人工智能通识课，以北京市、天津市为代表；

已于秋季学期按照课程与行动计划完成课程的（试点）落地，如南京大学、浙江大学、同济大学等；

处于筹备阶段，部分高校仍以老师的自我探索为主。

高校已将人工智能通识课程纳入通识教育范畴，相关课程不仅传授技术核心原理，更通过跨学科的方式，引导学生在实践中提升能力、强化伦理意识。然在课程筹备的过程中，教学内容的编排、实验实训的设计、教学平台的选型以及算力资源的配备等诸多问题可能会阻碍课程建设的推进步伐。

基于此，和鲸特举办“人工智能通识教育与实践发展暨和鲸科技AI通识课解决方案发布会”，旨在围绕人工智能通识课程的落地，促进各校的深度交流与学习。

01 活动介绍

本次会议，我们邀请了南京大学计算机学院教授，大学计算机基础教学部执行主任金莹老师，分享人工智能通识课程体系构建的探索与实践。

南京大学作为国内早期从事计算机科学与技术教育和研究的单位之一，其计算机科学与技术系作为全国首批国家重点一级学科，在队伍建设、人才培养、科学研究等方面长期位居国内先进行列。

2 月 27 日，南京大学宣布面向全体本科新生开设“人工智能通识核心课程体系”，在全国高校中首开先河。

9 月 13 日，南京大学人工智能通识核心课正式开课。南京大学党委书记、中国科学院院士谭铁牛以“人工智能的基本概念与发展态势”为题，为近 4000 名本科新生开授该课程第一讲，带领大家踏上探秘人工智能之旅。

与此同时，和鲸也将首次公开介绍人工智能通识课解决方案。该方案集合教学平台、精品课程、实验资源于一体，可助力高校于 2025 年春季学期快速启动课程，达成教学模式革新与成效跃升！

02 活动时间

2024年12月19日 19:00-20:30

03 嘉宾介绍

金莹

南京大学计算机学院教授，大学计算机基础教学部执行主任

唐铭

和鲸科技社区合伙人、运营总监

04 流程介绍

19:00-19:05  

会议开场

19:05-19:35  

金莹：人工智能通识课程体系构建的探索与实践

人工智能浪潮下的教育变革

南京大学人工智能通识课程体系：建设理念与架构解析

课程建设改革的关键与实践经验‘

南京大学与和鲸科技跨域合作的历程与展望

19:35-19:55  

唐铭：和鲸科技AI通识课解决方案介绍

精品课程：《人工智能导论：思维与应用》

平台支撑：千人并发云端“算力+实训平台”

实验资源：低代码实验，AI+学科全量资源

19:55-20:30  

交流答疑

05 活动报名

腾讯会议：436-889-536

点此链接报名：https://meeting.tencent.com/dw/KzccGRqe2fFN

自教育部发布 4 项行动助推人工智能赋能教育，“人工智能+”在各大高校均被予以高度关注。今年秋季学期起，全国多所高校面向本科生开设人工智能通识课。

01 全国各地人工智能通识课程的建设进展

从现有媒体已发布的资讯看，当前人工智能通识课程的建设进展主要分为三种情况：

1. 全市统筹，由某头部高校牵头建设市级人工智能通识课

这种情况可以以北京市、天津市为代表。

北京市属高校人工智能通识课课程建设工作在北京市教委统筹领导下，由北京邮电大学牵头，相关市属高校共同参与完成。从 2024 年秋季学期起，在市属公办高校全覆盖开设人工智能通识课，近五万名大一新生将通过线上线下结合的方式开展系统学习。

天津市由南开大学、天津大学建设首批 3 门市级人工智能通识课——“人工智能导论”“人工智能与创新”“生成式人工智能原理及其影响和应用”。3 门课程在 2024 年秋季学期率先面向全市高校全面开放。

2.已于秋季学期按照课程与行动计划完成课程的（试点）落地  

部分举例：

南京大学：南京大学面向全体本科新生开设“人工智能通识核心课程体系”，在全国高校中首开先例。“人工智能通识核心课程体系”分为“1+X+Y”三个层次，包括 1 门必修的人工智能通识核心课、X 门人工智能素养课、Y 门各学科与人工智能深度融合的前沿拓展课。9月13日，南京大学2024级本科新生人工智能通识课第一讲开课，南京大学党委书记、中国科学院院士谭铁牛为近4000名新生深入浅出地讲解了人工智能的基本概念、发展现状与趋势，带领学生们走进人工智能的世界。

浙江大学：计算机类通识必修课程体系全面升级，自2024级起面向全校不同专业开设多层次的人工智能通识必修课程。今年秋季学期面向大二及以上本科生开设五个试点班，共有来自非相关专业的256名学生选课。明年春季学期起将在全校全面开设。

同济大学：同济大学发布人工智能赋能学科创新发展行动计划，提出“1+N”的人工智能赋能学科创新发展思路。57个教学班级课号、涵盖的9个学科大类、百余名授课教师、上课地点一应俱全，只等年后春季学期开学，“人工智能科学与技术”通识精品课即可全面开课。

3. 仍处于筹备阶段，部分在校级/院级层面尚没有具体安排，以老师的自我探索为主。

02 和鲸重磅发布人工智能通识课解决方案

在课程筹备的过程中， 教学内容的编排、 实验实训的设计、教学平台的选型以及算力资源的配备等诸多问题将阻碍课程建设的推进步伐。

和鲸现重磅推出人工智能通识课 “教学平台+精品课程+实验资源” 一体化方案，拿来即用！助力高校于 2025 年春季学期快速启动课程，达成教学模式革新与成效跃升！

缺平台支撑？

和鲸 AI 通识课实训平台，开机即用，千人并发，算力不受限

• 和鲸ModelWhale教学实训平台涵盖即开即用的编程分析环境、Canvas 低代码拖拉拽组件、课程管理模块（含课件管理、作业管理、题库、论坛、学情统计等）、算力管理、镜像（环境）管理等模块；
• 可同时支持数千名学生并发运行，提供灵活算力资源，推动通识课程达成全校覆盖。

*若对千人并发感兴趣，和鲸可提供高校落地案例参考，详情请咨询和鲸工作人员

缺课程内容？

和鲸提供完备课程材料，无需重新设计，从0到1，即刻开课

• 提供完整的 AI 通识课程材料，包括课程大纲、PPT、讲课视频、实验作业、实验环境等；
• 课程内容设计简洁易懂，让每个学生无论专业背景，都能快速掌握 AI 的基础概念。

缺实验资源？

低代码拖拽降低实践门槛，AI+学科全量资源，助力多背景学生同堂共学

• 实验实训提供低代码组件，学生以拖拽方式构建分析路径，实时运行出结果，降低上手门槛；
• 和鲸社区（拥有百万注册用户的人工智能实践社区）提供海量 AI 实验及作业资源，教师可根据授课学生专业背景精准挑选实例，实现教学内容多元化拓展。

03 他们都在与和鲸合作

在人工智能通识教育先行一步且进展迅速的院校都在与和鲸合作。

南京大学计算机基础和教学部×和鲸科技

7 月 11 日，南京大学计算机基础教学部与和鲸科技、智谱AI共同举办签约会，就校企三方如何以“人工智能通识核心课程”为合作起点，充分发挥各自优势，展开了热烈且深入的研讨。和鲸社区在第二课堂的组织与开展模式方面的积淀，将通过数据、项目案例、实训实践资源、活动、竞赛等多种形态融入至课程建设中，推动学生实践能力和创新思维的养成。

和鲸科技助力某高校人工智能通识课程实现全校覆盖

今年9月，某高校的人工智能导论课程基于和鲸 ModelWhale 教学实训平台，实现了面向全校数千名学生的全覆盖开课计划。

出于学校隐私已做脱敏处理，如果您是高校管理/教职人员，可以关注微信公众号“ModelWhale”联系我们了解案例全貌。

鉴于授课对象大部分是大一新生，实践采用低代码拖拉拽的方式，学生通过连接组件便能形成分析流程并直接运行生成结果，在听讲后立即上手操作，达到了课程“既要激发学生对人工智能的兴趣，又要帮助学生形成初步认知，且不能纸上谈兵”的目标。

由于课程面向全校学生开设，人数众多且学科背景各异，单靠一位老师显然无法完成教学任务，需要数十位老师共同授课。和鲸社区为老师提供丰富教学资源，老师们可以依据所教学生的学科背景，挑选适宜的数据和项目作为案例进行授课，实现了多学科融通，让不同学科背景的新生上好同一堂课。

04 了解解决方案全景，领取课程资料

和鲸拟定于 12 月 19 日举办人工智能通识课解决方案发布会，将特别邀请南京大学计算机基础教学部金莹教授出席。金莹教授会就南京大学在人工智能课程建设方面所秉持的理念以及积累的经验进行深度分享。与此同时，和鲸也将首次公开展示课程方案，且会提供少量珍贵的课程体验名额。

您可点此进入人工服务通道，领取课程资料/报名发布会。

在人工智能赋能高等教育的浪潮中，高校在人工智能通识课方面正积极探索、大力投入。然教学内容的编排、 实验实训的设计、教学平台的选型以及算力资源的配备等诸多问题将阻碍课程建设的推进步伐。 和鲸现重磅推出人工智能通识课 “教学平台+精品课程+实验资源” 一体化方案，助力高校于 2025 年春季学期 快速启动课程，达成教学模式革新与成效跃升！

缺平台支撑？

和鲸 AI 通识课实训平台，开机即用，千人并发，算力不受限

• 平台涵盖 Notebook 编程分析环境、Canvas 低代码拖拉拽组件、课程管理模块（含课件管理、作业管理、题库、论坛、学情统计等）、算力管理、镜像（环境）管理等模块；

缺课程内容？

和鲸提供完备课程材料，无需重新设计，从0到1，即刻开课

• 提供完整的 AI 通识课程材料，包括课程大纲、PPT、讲课视频、实验作业、实验环境等；
• 课程内容设计简洁易懂，让每个学生无论专业背景，都能快速掌握 AI 的基础概念。

缺实验资源？

低代码拖拽降低实践门槛，AI+学科全量资源，助力多背景学生同堂共学

• 实验实训提供低代码组件，学生以拖拽方式构建分析路径，实时运行出结果，降低上手门槛；
• 和鲸社区提供海量 AI 实验及作业资源，教师可根据授课学生专业背景精准挑选实例，实现教学内容多元化拓展。

合作案例

在人工智能通识教育先行一步且进展迅速的院校都在与和鲸合作

南京大学计算机基础和教学部×和鲸科技

• 2 月 27 日，南京大学宣布面向全体本科新生开设“人工智能通识核心课程体系”，在全国高校中首开先例。“人工智能通识核心课程体系”分为“1+X+Y”三个层次，包括 1 门必修的人工智能通识核心课、X 门人工智能素养课、Y 门各学科与人工智能深度融合的前沿拓展课。
• 7 月 11 日，南京大学计算机基础教学部与和鲸科技、智谱AI共同举办签约会，就校企三方如何以“人工智能通识核心课程”为合作起点，充分发挥各自优势，展开了热烈且深入的研讨。和鲸社区在第二课堂的组织与开展模式方面的积淀，将通过数据、项目案例、实训实践资源、活动、竞赛等多种形态融入至课程建设中，推动学生实践能力和创新思维的养成。

和鲸科技助力某高校人工智能通识课程实现全校覆盖

• 今年9月，某高校的人工智能导论课程基于和鲸 ModelWhale 教学实训平台，实现了面向全校数千名学生的全覆盖开课计划。出于学校隐私已做脱敏处理，如果您是高校管理/教职人员，可以关注微信公众号“ModelWhale”联系我们了解案例全貌。
• 鉴于授课对象大部分是大一新生，实践采用低代码拖拉拽的方式，学生通过连接组件便能形成分析流程并直接运行生成结果，在听讲后立即上手操作，达到了课程“既要激发学生对人工智能的兴趣，又要帮助学生形成初步认知，且不能纸上谈兵”的目标。
• 由于课程面向全校学生开设，人数众多且学科背景各异，单靠一位老师显然无法完成教学任务，需要数十位老师共同授课。和鲸社区为老师提供丰富教学资源，老师们可以依据所教学生的学科背景，挑选适宜的数据和项目作为案例进行授课，实现了多学科融通，让不同学科背景的新生上好同一堂课。

了解解决方案全景，领取课程资料

和鲸拟定于 12 月 19 日举办人工智能通识课解决方案发布会，将特别邀请南京大学计算机基础教学部金莹教授出席，金莹教授会就南京大学在人工智能课程建设方面所秉持的理念以及积累的经验进行深度分享。与此同时，和鲸也将首次公开展示课程方案，且会提供少量珍贵的课程体验名额。

您可点此进入人工服务通道，领取课程资料/报名发布会。

本次更新中，ModelWhale 主要进行了以下功能迭代：

离线任务

• 新增复用任务参数
• 新增 “每分钟”定时任务
• 新增 HPC 日志过滤（私有化）
• 新增 HPC 下各分区使用情况展示（私有化）

工具使用

• Canvas：新增运行结果自动展开
• 数据管理：新增预览 bmp 格式文件
• 代币：新增向组织申请更多代币（私有化）

组织管理：新增导出工作区下载记录

01 离线任务

如果你的数据处理、模型训练需要持续运行较长时间，可以使用 ModelWhale「离线任务」进行代码的云端托管运行。

（1）新增复用任务参数

创建任务时，你可以复用某个离线任务的参数配置，快捷创建任务。

（2）新增“每分钟”定时任务

用户可以通过左侧面板配置定时任务规则，配置后可在右侧预览执行序列。

（3）新增 HPC 日志过滤

离线任务提供全量系统日志供用户排查定位问题，现已新增“已过滤 HPC 集群运维日志的实时结果”以便用户更直观查阅自己脚本代码的输出情况。

（4）新增 HPC 下各分区使用情况展示（私有化）
用户选择资源前，可以查看 HPC 分区下空闲的 GPU 数，以选择合适的资源排队运行。

02 工具使用

（1）Canvas：新增运行结果自动展开
当 Canvas 组件全部运行后， 用户需要自行点击【展开】按钮方可查看运行结果。在本次更新中，运行完成的 Canvas 组件已增加自动【展开】功能，为你带来更好的操作体验。

（2）新增预览 bmp 格式文件

用户可以在数据集、知识库、运行时，支持预览文件树列表中的 bmp 格式文件。

（3）代币：新增向组织申请更多代币（私有化）

代币可用于组织内的算力消费。当代币不够时，成员可以向管理员申请更多：填写代币个数、申请理由，即可生成申请单并发送管理员审批。管理员审批后，申请人将收到通知、获得代币。

03 组织管理

从数据安全管理角度出发，新增支持管理员对用户的工作区文件进行审计：支持【导出】下载记录、查看下载记录【详情】。

以上，就是本期 ModelWhale 版本更新的全部内容。

点击阅读原文进入 Modelwhale 官网，免费试用 Modelwhale 专业版（个人研究）或团队版（组织协同），获赠 CPU、GPU 算力！（建议使用 pc 端体验试用）

若对 ModelWhale 有任何建议、疑问，或有试用续期需求，欢迎扫描下方二维码，产品顾问 MoMo 很高兴为你服务、与你交流（咨询备注“产品咨询”）。

11月22日，第七届 X-GAME 上海智能新能源汽车大数据竞赛圆满落幕！这是和鲸作为协办方第五年为 X-GAME 新能源汽车分析赛道提供全程支持，赋能新能源汽车的产业发展。自 2018 年首次举办以来，以“数联万物，车载未来”为主题的 X-GAME 乘着数据要素的东风，辐射范围已累计覆盖海内外 730 多所高校，2400 多支队伍、3700 名选手参与。

X-GAME 上海智能新能源汽车大数据竞赛，是上海首个专注于智能新能源汽车领域的大数据竞赛。秉承“开放、创新”的主旨，依托上海超百万辆智能新能源汽车运行数据，聚焦学界、政界、业界关心的热点话题，挖掘算法与应用，培育行业人才，以赛促学、以赛促用，打造世界级智能新能源汽车公共数据中心。

今年的大赛以“能源”、“出行”、“营销”三个方向设置十个细分领域的赛题，涵盖了动力电池与充电、燃料电池与氢能、智慧出行与交通、驾驶行为与保险、数字赋能营销等丰富的场景，还设立了电池非法更换检测、交叉口信号灯检测等赛题，集中体现了新能源汽车数据在各领域的应用潜力。

决赛现场，从近 800 名选手、600 多支队伍当中脱颖而出的十支队伍在经过最终的角逐后依次决出了一、二、三等奖，这些新生代力量有来自全国各地高校的学术佼佼者，有来自企业的行业新星，他们都通过这次大赛为自己未来深耕汽车数据行业迈出了坚实且关键的一步，也让我们看到了新能源汽车未来无限的希望与可能。

就职于信息技术公司的数据分析师小潘，虽然是各类 AI 算法竞赛的常客，但首次接触新能源车驾驶风险数据仍让他充满好奇，他表示：“大赛的数据时间很新，维度也比较多，给我们探索应用提供了很大的空间。”他和团队计划在赛后报名加入 X-LABS 上海市新能源汽车（嘉定）数据创新实验室，为以后进军汽车保险数据服务“打个前站”。

活动现场， X-GAME 还对一路同行的合作伙伴们予以致谢，和鲸荣获最佳合作伙伴奖项。五年竞赛历程中，和鲸的赛事服务与赛事平台为选手们的竞赛之路持续保驾护航。无论是开箱即用的编程环境与充足稳定的算力资源，还是和鲸赛事运营人员对选手们在参赛过程中遇到的各类问题的快速响应，都获得了选手们的高度认可——在赛后的问卷回收中，选手们的总体参赛满意度均值高达 8.4 / 10。

今年的部分获奖作品将会陆续在和鲸社区上线，在社区中还可以看到往年的优秀作品。欢迎有意参加 2025 年度 X-GAME 的师生进入社区频道页 “优秀参赛作品专区”（点击下方“阅读原文”查看），使用 ModelWhale 平台对作品进行复现学习。

本届 X-GAME 的圆满举行，是新能源汽车产业“以赛聚才、以赛促创、以赛兴业”又一个新的里程碑。未来，和鲸将继续与 X-GAME 携手，始终贯彻 X-GAME 精神，帮助构建超高水平的数据竞赛格局，以大数据等新技术为手段不断探索新能源汽车产业的发展之路。

期待 25 年度与 X-GAME 的再次相见，数联万物，车载未来！

赛事承办、工具使用，任何相关需求，都欢迎您​​与我们交流​​（好友申请备注“X-GAME”）。

​​阅读原文​

转载声明

本文已获得原作者正式授权进行转载并翻译。若您有意对本文进行再次转载，请务必与我们取得联系pr@heywhale.com。

原文链接：https://ericmjl.github.io/blog/2024/10/18/keys-to-effective-collaborative-data-science/

导读

在这篇文章中，生物制药领域的世界500强企业莫德纳（Moderna）公司首席数据科学家Eric讨论了如何加强数据科学家和非计算机背景同事之间的协作，共创有影响力的工作成果。重点强调了以下几点：首先是规范代码初始化的方法，其次是鼓励没有编程基础的人员参与代码评审，再者是换位思考、设身处地进行沟通，以及确保项目具备跨平台运行的兼容性。这些实践策略旨在缩小认知差距，减轻团队成员的认知负担，并深化大家对数据科学项目中所遇挑战的共同认识。那么，可以如何在自己的团队中实施这些策略，以提升团队的整体效能呢？

注：本文为原作者Eric J. Ma在2024年10月16日于杜克大学，为Brian Lerner教授的课程所做的客座讲座的文章版本

作者简介

Eric J. Ma，MIT 生物工程博士，现任莫德纳（Moderna）公司首席数据科学家，引领着公司的数据科学与人工智能研究的发展。同时，作为一位开源软件的积极贡献者，Eric 通过代码贡献、撰写博客、教学及写作等多种方式，不断回馈并丰富着技术社区。

以下为 Eric 的分享内容

在生命科学领域，我作为数据科学家已有约七年的工作经验，如果算上研究生时期，则已经超过十年之久。在这段时间中，我深刻体会到，缺乏标准化的操作流程常常导致我们的工作成果随着人员的变动而逐渐流失。此外，我也亲眼目睹了实验室团队（数据生产者）与计算团队（数据消费者）之间，因缺乏足够的相互理解而产生的诸多矛盾与摩擦。

今天，我渴望分享一些心得，旨在增进数据科学家与非计算机背景同事之间的协作，确保我们的工作能产生长远的积极影响。主要是这几点建议：

1. 个人工作，井然有序
2. 将心比心，推动协作

工作流程，清晰可见

围绕这三个核心点，我有四个具体的想法愿与大家共勉：

1. 制定标准化的代码库初始化流程，为定量工作奠定坚实基础
2. 引入代码评审机制，并鼓励没有编程基础的人员积极参与
3. 设身处地地从团队成员出发，进行换位思考
4. 确保工作成果能够在任何计算机上流畅运行

接下来，让我们深入剖析这些想法，并探讨它们与上述三个核心点的紧密联系。

规范初始化代码库的方法

在新项目启动、初始化代码库时，遵循规范标准至关重要。这不仅能大幅降低日后查找信息时的认知难度，还能为后来者扫清障碍，让项目交接更为顺畅。采用自动化手段推进标准化，可以极大地简化整个工作流程。

那么该如何着手实现呢？一个不错的起点是使用模板库，也许你的上级已经为你备好了一个。要是还没有用上模板库，不妨召集团队成员一起，合力打造一个！

为了将这些想法付诸实践，我开发了像 pyds-cli 这样的工具，它能让你以既标准又灵活的项目架构来启动新项目。在运用 pyds-cli 时，所有项目都会被规划成可发布的 Python 包的形式，涵盖源代码目录、测试、pyproject.toml 配置文件、Notebook 目录以及文档目录等组成部分。不过，你无需在项目初期就一股脑儿用上所有这些目录！你可以先从 Notebook 目录着手，随后再根据需要引入其他工具。

我的团队采取了一些额外的自动化措施来优化工作流程。比如，我们使用 Pixi 或 Conda/Mamba 这样的标准化工具来统一安装计算环境。同时，我们还引入了自动代码检查器，这些工具在项目一开始就发挥了重要作用，大大减轻了我们的认知负担，并为项目设置了清晰的“护栏”，确保项目能够顺利进行。在项目设置阶段，每增加一项自动化步骤或减轻一些认知负担，都为后来者接手项目并继续推进创造了更多有利条件。

*注：护栏（Guardrails）是一个强大的Python框架，旨在帮助开发者构建可靠的AI应用，通过集成输入/输出防护机制，能够检测、量化并缓解特定类型的风险，从而确保Al应用的安全性和可靠性。

程序员和没有编程基础的人员都可参与代码评审

代码评审是一种非常有效的手段，能够帮助程序员和那些没有编程背景的人共享知识。在这个过程中，通过讨论和交流，原本难以言传的隐性知识更容易被清晰地表达出来。让非编程人员参与到代码评审中来，可以让他们更好地理解程序员在幕后所面临的复杂问题。同时，我们也鼓励那些编程初学者积极参与到反馈中来！另外，如果条件允许，让程序员尽早参与到手动数据收集的过程中，这样双方都能更加深刻地理解彼此所面临的挑战。

你应该如何看待代码评审呢？对于经验丰富的开发者来说，或许异步评审就绰绰有余了。但对于新手而言，面对面的评审可能是一次非常有益的社交学习经历。遇到任何不明白的地方，都应该留下评论并提出疑问。即使是不熟悉编程的人员，也应有勇气提出那些看似简单的问题；因为这些问题对于挖掘隐藏的知识往往至关重要。

代码评审中可以提出的问题示例：

• 是否有代码可能没按预期工作？
• 有没有不清楚为什么要写的代码行？
• 代码中有没有硬编码的文件路径，导致代码无法在他人系统上执行？
• 是否存在重复的代码？
• 是否恰当使用了便捷函数？
• 代码的结构是否让新手也能轻松找到想要的部分？
• 文件、变量、函数和类的名字是否清晰明了？
• 代码是否遵循了合理的编程模式？

代码的用途是什么，有没有写清楚说明文档？这个问题也能帮我们发掘那些没说出来的知识哦！

换位思考，设身处地进行沟通

通常一个团队中有的擅长定量分析，作为数据使用者负责数据分析；而有的则更偏向于定性分析，作为数据生产者参与非结构化数据的收集。希望这两种角色能够协同合作，共同规划数据收集工作。

这与我们和实验室科学家在工作中协同合作的方式相似。让我以此为例来进一步说明。

那么，如何在这两者之间进行有效沟通呢？关键在于具备同理心，更“懂”他人！

对数据科学家而言：要理解实验室科学家面临的实际挑战。例如，在诺华（Novartis）公司时，我曾协助设计了一项实验。在实验中，我提议，在机器人处理的96孔板堆叠中，随机安排对照样本的位置，虽然这种做法在统计上可能更为理想，但在实际操作层面却极具挑战性。问题在于，我们通常习惯于铺板的时候，在固定的位置放置对照样本，但这次要求在孔板内随机放置对照样本，这两者之间存在显著的差异。如果完全按照随机原则来安排样本位置，实验室科学家在跨板戳印对照样本时会遇到很大的困难，这无疑会增加他们的工作负担。如果我没有理解这一点，别人可能会认为我脱离实验室的实际状况，进而影响到我与实验室同事之间的合作关系。最终，我们商定了一个折中方案：仅进行一次随机位置安排，这样既保证了足够的空间覆盖，又减轻了实际操作上的压力。

注：孔板是一种细胞孔培养板，96孔板是其中一种规格的培养皿，即96孔

对实验室科学家而言：前期的稳步进展能为后续工作加速铺路。在探索数据的过程中，计算团队有时会因急于求成，用临时拼凑的代码进行分析，忽略了代码的后续复用性。所以，一开始就讨论好未来的数据收集和分析计划很关键，这有助于从一开始就编写出更易复用的代码。给计算团队多一些时间，让他们将可复用的代码单独封装成函数，并做好工作记录，这样当新数据出现时，就能更轻松地实现自动化，整个流程也会更加清晰。

清晰界定不同角色之间的任务交接和成果交付。比如，数据的使用者（通常是数据科学家）和数据的提供者（通常是实验室科学家）之间，数据得符合一些可以通过程序验证的标准，比如表格里的列名得统一规范。数据科学家与实验室科学家需要携手合作，共同设计新实验，确保双方都对实验流程心里有数，意见一致。数据科学家要是明白了数据是怎么生成的，分析起来就能更快迭代。而实验室科学家要是了解了计算流程，就会懂得保持数据格式规范有多重要。

确保您的工作成果能够在任何计算机上流畅运行

一项工作成果应该不仅限于在 Google Colab 或高性能计算（HPC）平台上运行，最好是能够在任何笔记本电脑上顺畅运行。一旦遇到紧急情况，其他人应该能够轻松地在任何电脑上重现你工作的核心内容。而最理想的状态是，只需一条命令，其他人就能在任何电脑上完整地重现你的工作。

这为什么很重要呢？是因为这能让你在合作中更加游刃有余，无需等待他人来运行你本可自行运行的代码，从而消除合作过程中的障碍。同时，这也保证了当你需要暂停工作并在日后继续时，能够顺利继续。此外，这也是实现工作成果可重现性的前提条件。

如何确保您的工作成果能在任何电脑上运行呢？

以下是一些建议：

• 别把只在你的电脑上能找到的文件路径直接写到硬编码里。你可以从像SQL数据库或云存储系统等真实的数据源中拉取数据。
• 和其他人一起确定这些可靠的数据来源，并且把它们都记录下来。
• 使用像 conda-lock 或 pixi 这样的工具来生成环境锁文件。这些工具会帮你记住安装了哪些软件包的具体版本，确保其他电脑上的环境设置和你的一样。
• 利用 Makefile 或 pixi tasks 等自动化工具，创建一个可以通过一条命令（比如 pixi run test 或 make build）就可执行的可重复的工作流程。

清晰记录所有内容，为他人提供明确指导，并减轻新成员上手的认知负担。

总结——我今天的建议

感谢您读到这里！我希望以下几点可以帮助你：

1. 个人工作，井然有序
2. 将心比心，推动协作

工作流程，清晰可见

问答环节

问：在行业中，Jupyter Notebook 和脚本哪个更常用？

答：我们两个都用。Jupyter Notebook 非常适合进行探索性工作或编写包含代码的描述性文档。而脚本则更适合处理一些一次性的任务。

问：如何评审 Notebook ？

答：对于文档风格的 Notebook，最佳的评审方式是进行实时审阅，可以通过电话或面对面的方式进行。由于 Notebook 中的描述内容往往较为复杂，通过实时交流来澄清疑惑和提炼关键信息，能显著提升评审质量。

问：定性研究人员如何帮助定量研究人员？

答：参与本体论的定义。这些定义通常会在后续分析中转化为分类变量。

尽量保持数据收集协议的标准化，但也要预见这些协议的发展变化（特别是在项目初期）。将这些变化通知计算团队，以便他们更新数据处理代码并设计出更具灵活性的方案！

• 参与本体模型的定义。这些定义在后续的分析中往往会转化为重要的分类变量，为定量研究提供基础框架。

在推进项目的过程中，尤其是项目初期，我们既要维持数据收集协议的标准化，也要意识到这些协议可能会根据项目需求有所调整。因此，每当协议发生变动时，务必迅速通知计算团队，以便他们能及时修改数据处理代码，从而确保数据处理的灵活性与适应性。

和鲸科技，旗下拥有数据科学协同平台 ModelWhale，辐射超过百万数据科学家的人工智能实践社区及数据科学竞赛平台和鲸科赛。以“Connect People with Data”为使命，帮助数据人才融入业务创新，帮助企业打通数据的价值闭环。

您可点击文末阅读原文免费探索 ModelWhale 更多功能~

阅读原文

在这个数据驱动的时代，每一份数据都可能成为国防科技的宝贵资源。

随着开源数据的激增，新兴技术与工具的兴起，科技信息领域正面临着前所未有的发展契机与严峻考验。国防信息数据工程的重点在于明确数据需求、确保数据质量、挖掘数据知识、形成数据服务。为了应对高价值信息获取难度大、海量多源异构数据的识别与整合复杂度高等挑战，国防科技信息数据挖掘能力提升征集活动于 2024 年 8 月正式启动，并于近日圆满收官。本次活动旨在汇聚智慧，突破瓶颈，建立国防科技信息工作的“智库”和“外脑”，打造一支“内外协作、专兼结合”的人才团队，推动国防科技信息研究迈向新高度。和鲸科技全程为本次活动提供支持。

活动面向数据挖掘专业技术人员、国防科技信息工作者、相关院校师生及各类机构、团体和个人在内的海量数据爱好者开放。活动赛题聚焦“技术预测推演方法及案例”，主要围绕梳理近年来国外官方机构及智库组织或参与的前沿技术相关推演案例及评估活动展开。参赛者通过全面审视这些案例的推演流程特性与数据需求，精心编纂了研究报告，充分展示了其数据挖掘的精湛技艺与对技术预测推演方法的深刻理解。最终，经过决赛答辩环节的激烈竞争，活动评选出了一等奖 4 项，二等奖 8 项，三等奖 6 项，并向获奖团队及个人颁发了荣誉证书，以表彰他们在本次活动中的卓越表现。

和鲸以其在数据科学领域深耕多年的专业优势，依托沉淀的近百万社区数据爱好者资源，为本次活动提供全方位支持，有效提升赛事品牌影响力。在此过程中，和鲸积极协助活动组委会开展数据挖掘能力的征集与评估工作，凭借严格的筛选和评审机制，提炼出一系列高价值资料成果，精选出一批顶尖的数据挖掘人才，全力推动全行业不断发展与进步。参赛选手们纷纷表示，本次活动加深了他们对国防信息化建设的理解，同时，和鲸所提供的全流程服务也赢得了众多选手的高度赞誉。

“

• 这次参赛经历使我对国防科技的认识深入许多。参赛时接触大量国防科技前沿知识与应用案例，像先进军事信息技术系统的数据处理高效性与传输安全性，让我惊叹并深入探究背后数据挖掘原理与技术，使我明晰其在国防战略决策、情报分析等方面的关键作用。虽未与相关专业人员交流，但仅通过这些接触，我就能依据国防科技特点要求，独立思考并从新视角设计优化数据挖掘方案，有效提升了在国防科技背景下的数据挖掘能力，为未来探索奠定基础。
• 在参赛过程中，赛事组织方构建的沟通渠道成效显著。组织方在群里及时、详尽地发布赛事关键信息，让我精准掌握比赛全貌，有力支撑备赛。群内交流渐趋积极。组织方引导数据挖掘技术难点等话题讨论，选手们纷纷分享独到经验，如高效的数据预处理算法、创新的特征分析思路等，我从中汲取精华，优化自身方案与策略。组织方还整理优质内容成文档共享，我于活跃交流中持续提升国防科技数据挖掘能力，深刻领悟参赛价值。”

——花花牛团队 赵瑞坤

“

• 本次参赛对我个人数据挖掘能力提升有很大的帮助。俗话说“巧妇难为无米之炊”，数据分析的基础是“有数据”。由于主办方提供赛道的特殊性，使得大赛的数据获取难度要高于一般情形，因此对于参赛者是一个不小的考验。所以，为了做出优秀的作品就必须在数据获取上下功夫，同时也就带来了能力的提升。此外，数据源的可靠性也是本次大赛考核的重要指标，因为选题的特殊性，所以可靠性高的数据源得出的结论才更有说服力——这又是对选手的一大考验。毕竟相对于数据库中的数据，公共环境下的纷繁复杂的数据情况更可以提升一个数据分析师的综合能力。所以在此机会十分感谢主办方的选题，让我可以在该情景下有机会完成作品并得到较大的提升。
• 赛事的沟通渠道十分有效，主办方老师在群里回复很快，参赛选手的诉求都有及时的反馈，以及大赛进行中的一些提醒和通知发布都在群中很清晰的告知。此外，群里还有主办方提供的一些参考数据源，由于赛题的特殊性，这个表格对于选手修正检索方向，调整作业思路有很大的帮助。总而言之，对于我个人来说，没有主办方老师以及组织方老师的相助，是不能取得这样的成绩的。”

——崔逸中的团队 崔逸中

“

• 此次参赛体验对我的数据挖掘能力提升帮助很大。首先，通过真实业务需求分析，我对数据预处理、特征工程和模型选择有了更深刻的理解。其次，比赛中需要快速分析和处理大量数据，对时间管理和快速决策能力有很高的要求。此外，与其他参赛者的交流也让我学习到了许多不同的思路和技巧。
• 赛事组织方通过邮件、群团等方式及时通知更新消息。在比赛期间，群聊里有很多积极的讨论和信息分享。此外，组织方也定期发布一些重要的比赛信息和资源链接，帮助我们更好地理解比赛要求和规则。总的来说，这样的交流平营造了良好的学习和合作氛围。”

——A 同学

和鲸集成功能强大的数据科学协同平台 ModelWhale，拥有丰富实战案例资源的人工智能实践社区——和鲸社区，以及拥有近千场办赛经验的和鲸科赛，构建出了最完备的产品 + 资源 + 服务体系，覆盖数据科学、经济管理、地球科学、生物医学、人文社科等专业领域，希望能用已积累、沉淀的经验及方法论，为每一家有意向参与应用型数据科学人才培养的开拓者单位带来实质性的帮助。

任何办赛需求，都欢迎您与我们取得联系，或进入和鲸社区了解更多~

过去半年，全国高校纷纷投身于人工智能赋能教育的热潮之中。从系统规划到全面建设，各高校依循自身节奏稳步推进，时至今日，一些行动迅速的学校已然收获了初步成果。

本文将介绍一则示范性落地案例，由于学校隐私已做脱敏处理，如果您是高校管理/教职人员，可以联系和鲸了解案例全貌（见文末）。

今年9月，某高校的人工智能导论课程实现了面向全校学生的全覆盖开课计划，该课程属于人工智能通识教育课程。

尽管各高校的规划可能存在差异，但通识课程必是所有学校都必须着力开展的重要板块。通识课程所涵盖的内容丰富多样，无论是讲述人工智能的发展脉络、阐释人工智能的基本概念，或是先教导学生如何运用现有的人工智能大模型等，对于夯实基础而言都十分必要。在这方面，该校采取以终为始的策略，将真实案例引入课堂，促使学生在理论与实践的紧密结合中提升 AI 素养。

低代码拖拽，大一学生也能自主运行的实践模式

鉴于授课对象大部分是大一新生，相关授课老师表示，在这门课程中，他们并不希望同学们一开始就接触到如 Notebook 那般充满代码的复杂场景，担心陌生的代码会削弱学生的学习兴趣，这便与 “通识” 的初衷背道而驰。既要激发学生对人工智能的兴趣，又要帮助学生形成初步认知，且不能纸上谈兵，经过一系列调研后，老师们决定借助和鲸 ModelWhale 教学实训平台，以低代码的方式实现教学目标。

无论是数据探索工作，还是机器学习、深度学习建模，通过拖拉拽的方式连接组件，便能形成分析流程并直接运行生成结果，同学们在听讲后能够立即上手操作，这样的学习过程所产生的效果无疑是最为理想的。

以计算机视觉这一人工智能领域的重要分支为例，当老师为学生讲解目标检测时，学生可以先使用读取数据的组件从特定数据源高效提取图像数据，接着将该组件与目标检测框的组件相连，平台会自动对输入的图像数据进行处理，识别出图像中的目标物体并在图像上绘制出相应检测框。这样学生既能直观看到每一步操作的结果，帮助他们进一步理解目标检测的原理和应用，也能激发他们对人工智能技术的深入探索热情和创新思维。

相关老师表示，尽管备课时间十分紧张，但在导论课中融入实践是所有授课老师的共同意见。从今年起，或许之后所有新生都会在大一就接触到人工智能。人工智能本质上是一种工具，同学们的学习目标应是如何基于这个工具的能力来解决实际问题。实践的过程也是 “祛魅” 的过程，即使大一学生尚不了解代码，但通过这种方式，既能让学生感受到人工智能的强大能力，又能让学生在心中正确定位 AI，对学生今后的学习和生活都将大有裨益。

多学科融通，让不同学科背景的新生上好同一堂课

备课过程中，老师们发现这门课另一大难点在于不同学科背景的学生。由于课程面向全校学生开设，人数众多且学科背景各异，单靠一位老师显然无法完成教学任务，需要数十位老师共同授课。由此便产生了一个问题：上同一门课的老师们之间该如何合作，才能既保证课程的统一性，又能具备多样性？

人工智能的基本理论或许相同，但在实践部分，面对不同学科背景的学生确实应该讲授不同的内容。例如，学习化学化工的学生可能对 AI 在材料设计和筛选方面更感兴趣，而学习人文社科的同学则可能对文本的挖掘与分析更感兴趣。实际上，几乎所有学校都可能面临类似情况。

对此，和鲸的解决方式是：同一套基础设施（ModelWhale教学实训平台）+多样化的教学实训案例（丰富的和鲸社区多学科实验资源）。

在基础设施层面，所有老师能够在平台上独立管理自己的班级，包括学生学情、课件作业以及计算资源等，实现了  上千学生的在线并发。同时，统一的课件材料可在老师们之间实现便捷复用。这也带来了一大显著优势：若后续每年都需开设此课程，后面的授课老师就能够在平台上迅速了解过往教学情况，甚至可以直接复用该课程，迭代更新也很方便。

在教学实训案例方面，平台与和鲸社区打通，老师可以依据所教学生的学科背景，挑选适宜的数据和项目作为案例进行授课。此外，和鲸社区还提供了主题与难度各异的训练营和 workshop，可以作为第二课堂为感兴趣的学生提供进一步探索和学习的机会，也为学生后续学习人工智能专业交叉课程筑牢基础。

该校在人工智能通识教育领域的积极探索与创新，为培养适应未来社会发展的高素质人才踏出了坚实的一步。期望更多高校能够汲取成功经验，与和鲸携手共进，实现人工智能通识课程的高质量落地。

和鲸科技于 2024 年 5 月全新发起“101 数智领航计划”，通过产教融合、科教融汇双循环，为加入的高校提供了 AI 创新虚拟实验室的平台一学年使用权与 2000h 教学用算力资源，支持“1+X+Y” （其中“1”即指人工智能通识课程）3 门课程开课与 1 次课程赛组织。

目前，南京大学、南开大学、山东大学等在人工智能通识教育方面先行一步且进展迅速的院校，均已加入 “101 数智领航计划”。如果您对其他友校人工智能赋能教育相关工作的开展情况感兴趣，或者对 “101 数智领航计划” 充满期待，可点此进入和鲸官网了解并申请，更多材料获取可咨询人工服务通道。

当下，人工智能赋能本科教学及课程改革在高校各学科领域全面推进，“AI+” 课程如何设计、创新与落地实施，都成为了老师们拟解决的关键问题。

AI 技术与教学的深度融合，涉及到教学内容、教学方法、教学资源以及教学评估等多维度变革，在这其中，“实验实训” 无疑是 “AI+” 课程创新发展的关键突破口，但也成为了众多院校和教师的“卡脖子”问题。

对此，本文围绕第一课堂与第二课堂教学改革的核心要点，系统梳理了和鲸丰富的社区资源以及便捷高效的教学工具，为您展示如何在课程各个阶段合理运用这些资源，实现在有效缓解教学压力、减轻教学负担的同时全方位提升教学成效，以期为您教学工作的优化与创新提供切实支持。

和鲸协助我们中心落实赛训一体的方针，过程中引入了平台工具和许多案例资源，不仅对教育本身有促进作用，也为我们教师大幅减负。

—— 汤胤

暨南大学经济管理实验教学中心教授

★ 目录 ★

*文章内容较长，您可以通过目录定位至感兴趣的板块。

第一课堂：应用场景与落地案例

• 平时作业
• 课内workshop【附四川大学案例】
• 大作业考核【附暨南大学案例】

第二课堂：形式与案例

• 以赛促学【附中国石油大学（华东）案例】
• 夏令营

第一课堂：应用场景与落地案例

第一课堂作为教学主阵地，是 “AI+” 落地的关键。

平时作业巩固知识，课内 workshop 加强实践，期末大作业检验成果，这些应用场景各有侧重。下面将通过实际案例，展示案例式教学在第一课堂的创新路径。

01

平时作业

从课程进程的维度考量，平时作业的布置主要呈现为两大类型：

• 课前作业：正式课程开启前，帮助学生筑牢相关基础知识，为后续课程学习奠定基础；

课中作业：与课程内容息息相关，为了巩固课内知识点布置的作业。

针对平时作业，我们推荐引入和鲸社区 “课堂” 页面中的各类技能训练营：

• 能够有效助力学生构建编程与数据处理的能力框架；
• 设置了多阶段关卡式训练模式，能够更为精准且灵活地针对某一独立知识点进行作业布置；

您也可以依据专业进一步精准筛选，如经济管理专业可以关注商分训练营，地球科学专业可以留意气象训练营。

使用方式：

• 在 AI 虚拟实验室（加入和鲸 101 数智领航计划即可开设，详见文末）中，老师可以直接在课程中挑选某个合适的社区活动（包括该社区活动的某一特定阶段），并将其发布为活动作业。

鉴于社区活动均配有完整评审系统，支持自动为学生出分，老师便无需再耗费额外的时间去精心设计作业的具体细节内容，同时也省去了批改作业这项繁琐的工作。

02

课内 workshop

课内 workshop 结合理论讲解与实操训练，可以增加课堂本身的趣味性与授课内容的启发性。

在落地层面，我们推荐引入和鲸社区 “课堂” 页面中的各类 workshop：

• 具备学科特色的实训资源，让学生真刀真枪地解决科研与业务场景问题；

Workshop 通常包含了案例背景、数据、涉及知识点以及作业，您可以将其穿插至知识点的讲解中，并集中通过 1-2 课时引导学生完成。

案例展示：四川大学

#经管 #数据思维 #课内workshop

四川大学《数据思维：数字化生存的未来》通识课面向本科大一的学生所开设，旨在培养各专业学生的数据思维。为拓展教学形式，让学生提前接触到数据产业前沿，授课教师蔡老师抽出了两节课的时间，在和鲸的支持下开展课内 workshop。

学生分组合作，基于社区的“学生校园消费行为分析”与“食堂运营情况分析”两个案例，通过分析学生校园消费行为数据，产出数据分析报告，解决“学校应该给哪些学生发补助”、“食堂最受最欢迎的商品是什么”等问题，体验从数据可视化到数据洞察，用数据讲故事的完整过程。

了解案例详情：四川大学携手和鲸打造课内workshop，趣味实践教学助力数据思维培养

学生提交的数据分析报告

03

大作业考核

考核作为检验学习成果的关键环节，对学生学习习惯有着重要影响。不少老师表示，针对数据分析、AI+课程，笔试+机试”并不是理想的考核方式，而且代码的批阅对老师来说也比较费时费力。

案例式教学下，大作业已经成为高校越来越常见的考核形式，主要包括报告类考核与算法类考核。

【1】报告类考核

报告类考核，也是老师们都比较熟悉的小组汇报的形式。

和鲸推荐线上线下结合：线上学生在和鲸提供的虚拟实验室中完成以代码实践为主的大作业，并提交报告，线下老师们再听取学生对于整体项目的完整思路和汇报。

推荐题目来源：

• 参考和鲸社区实训季/在和鲸社区搜索应用场景的关键词；
• 找到 3-5 个不同主题的、写得比较详实的预测项目；

利用这些项目的数据，并总结其预测问题和核心步骤，提炼一个比较开放性的选题。

【2】算法类考核

算法类的课程对应会需要算法类考核。

对于开设算法类课程的教师而言，如果期望的结课方式是学生提交算法运行结果，并借助平台自动评审获取精度得分，进而实现自动化成绩评定，那我们很推荐采用这一模式。

和鲸目前支持的指标可见下图，包括了 AUC、RMSE、FWloU、F1-Score 等，这些指标我们也会提供它具体的评审脚本，老师们感兴趣的话可以下载脚本查看，里面详细说明了指标用法，诸如指标上限是多少，以及要求学生提交的结果文件格式等内容。

案例展示：暨南大学

#经管 #以赛促学 #报告类考核

暨南大学经济管理实验教学中心携手和鲸开展《商业大数据分析》课程的教学工作，举办了首届“暨南大学数字商业挑战赛”，要求选修《商业大数据分析》的学生全员参与，竞赛成绩与课程绩点直接相关。

挑战赛分设的四道赛题主题涵盖中美经济、工业生产、企业财务、零售快消，学生作为选手组队并择一参赛，针对所提交的完整数据分析报告及分析代码。挑战赛评审以当堂答辩的形式实现，由任课教师依据技术选型、数据丰度、展示效果等多个维度做出打分。最终大部分学生所完成的参赛作品质量远超预期，更有四份优秀作品上线至社区“优秀参赛作品专区”内。

了解案例详情：和鲸赋能暨大经管落实赛训一体，培养应用型数据人才！

第二课堂：形式与案例

第二课堂的概念在很多学校都备受重视，旨在丰富学生的知识体系，加强学生综合能力的培养。

和鲸所倡导的第二课堂侧重于以赛促学与夏令营。

01

以赛促学

一方面，和鲸社区内会不定时上新涵盖各级别的各类赛事，教师可依据教学规划与学生实际状况，引领学生积极参与其中，在锻炼能力的同时也有机会获得实习、奖金等更多激励。

另一方面，我们鼓励教师自主创建赛事作为教学实践，在班内、院内发布。可能不少老师会顾虑举办赛事的复杂性与繁琐度，平台已经将赛事的各个模块流程化处理，老师只需要在每个细分模块下做好信息配置即可顺利创赛，此后便可以通过管理界面，设置赛事运营过程中的各项需求，并实时查看报名情况及学生结果提交的情况。

创建比赛展示

和鲸平台比赛模块的最大优势是，即使老师举办规模再小的比赛，平台对于赛事过程的质量管理以及最终的评审、排名机制都是与前沿的数据竞赛高度对齐的，所以每一次竞赛训练，都可以视为学生日后参加更高级别数据竞赛的提前热身。

案例展示：中国石油大学（华东）

#课赛结合 #以赛促学 #训练营

中国石油大学（华东）理学院自 2021 年起携手和鲸科技连续三年在中石大校园文化节期间开展数据竞赛，以“课赛结合”的模式为学生提供了更丰富的实践机会。赛题设计既面向真实应用场景，又能与课程的知识点与教学进度高度挂钩，可以达到更有效的教学评估。

基于多年的紧密合作和实践成果，2024年，中石大再次牵手和鲸，将数据科学竞赛全面升级，推出首届青岛市公共数据创新应用大赛，覆盖山东省内 13 所高校的 114 支团队、175 位同学报名，且初赛提交作品 157 份，提交率高达 72.3% 。

了解案例详情：

中国石油大学（华东）×和鲸：课赛结合打造有学科特色的数据科学与大数据技术专业

以赛促学育人才！首届青岛市公共数据创新应用大赛圆满结束！

02

夏令营

夏令营是由和鲸社区提供的第二课堂。

从 2021 年开始，和鲸社区在每年暑假期间都会为大家提供集中化、系统化的数据科学相关的技能实践和培训，每年都有几千名同学借此机会积累宝贵的实战经验，丰富个人简历作品，实现蜕变。

2024 年的夏令营共包含 AI+ 数据科学实践者、商业数据分析师、气象科学研究者、地理空间研究者、医学数据科学研究者5个方向的培训内容，均为编程实践课程。在夏令营期间内完成夏令营单个活动即可获得“学分”，累计不同数量的学分即可获得对应奖励：

• 获得5个学分，可获得赛道对应电子参与证书；
• 获得10个学分，可获得赛道对应纸质版暑期实践项目证明（扫描件）；

获得12个学分，并且3个月内在社区任意活动担任助教/班主任，可获得纸质版实习证明（扫描件）和周边礼物。

了解 2024 夏令营：

暑期在线学习就可以拿到实践证明的活动又来啦 | 和鲸社区2024数据科学夏令营

和鲸社区2024夏令营顺利结束，我们明年再见！

以上资源与平台均可在加入和鲸“101 数智领航计划”后免费使用！

“101数智领航计划”为加入的高校提供了 AI 创新虚拟实验室的平台一学年使用权与 2000h 教学用算力资源，支持“1+X+Y” 3 门课程开课与 1 次课程赛组织。目前已有南开大学、南京大学、山东大学、北京中医药大学等数百所院校加入。

此外，和鲸将于近期推出“101 实训服务包”，为“学科+AI”教改定向打造，可根据您实验课的学时，一对一为您匹配合适数量的实验内容与期末实践项目。

了解/加入和鲸101数智领航计划可见：关于和鲸101数智领航计划另外，若您对实训服务包感兴趣，或有任何问题想要咨询，都欢迎联系和鲸工作人员（备注“实训”）。

11 月 22 日，首届工业智算产业发展研讨会在中国工业互联网研究院召开。工业和信息化部党组成员、副部长单忠德，国家信息中心大数据发展部副主任魏颖出席会议并致辞。中国工程院院士、北京化工大学教授高金吉，工业和信息化部信息通信发展司二级巡视员黄先琼，江苏省连云港市政府副市长、党组成员吕洁，全国一体化算力网络粤港澳大湾区枢纽节点韶关数据中心集群领导小组办公室专职副主任郭先桂，中国工业互联网研究院党委书记田川、总工程师王宝友等领导专家参加会议。中国工业互联网研究院院长鲁春丛主持会议。

和鲸科技创始人&CEO 范向伟受邀出席，并做题为《智算产业链与AI开发者生态的良性互动》的专题报告。他表示，未来十年，AI 技术的产业化推进将会挑战与机遇并存。当前教育与科研生态及产业智算应用场景面临着多重挑战，高等院校、科研机构及人工智能创业公司汇聚了众多专业人才和科技成果，但在算力、资金及场景数据上有所欠缺；相反，龙头企业、政府机构和金融机构则拥有丰富的数据资源、应用场景，却缺乏足够的人工智能人才和科技成果。他强调，智算中心应作为人工智能产业发展的基石，推动科研、人才、创业和应用生态全面升级，积累高质量的学科模型库、行业人才库、AI 企业库等核心资产，实现基建能力、消费需求和经济价值的良性循环。

范向伟介绍道，和鲸科技通过其自研的数据科学协同平台 ModelWhale，结合汇聚近百万数据从业者和爱好者的和鲸社区，打通产学研一体化全要素与全流程，在多领域开展大模型应用，取得了丰硕成果。

助力北京中医药大学打造健康医疗人工智能实验室，聚焦交叉应用型数据科学人才培养

北中医作为全国首个获批“大数据管理与应用”本科专业的医学院校，十分重视大数据分析的理论和方法在中医药领域应用的科学研究与人才培养。北中医深入调研了 22 家企业并经过多轮试用和反馈选择了和鲸，双方共建了集教学、科研和竞赛于一体的健康医疗人工智能实验室，专注于交叉应用型数据科学人才的培养，为中医文化的现代化转型注入了强劲动力。

依托实验室提供的强大计算资源，北中医得以将舌象识别的诊断模型成功应用于中医四诊仪，极大地提升了诊断的精准度与效率，还打造了一套智能中药识别系统，为实现个性化的自我健康管理服务提供支持。此外，双方共建了一系列汇聚头部院校资源的优质人工智能大数据课程，并通过以赛促学的方式，为培养实战型“医学+AI”人才开辟了新路径。

点击这里查看详情

支持“医疗大数据学术交流及Datathon活动”，促进“理-工-医-信”跨学科协同合作

和鲸连续两届助力“医疗大数据学术交流及Datathon活动”开展，基于ModelWhale ，和鲸为每位参赛者都提供了多规格算力资源和镜像环境，解决了本地环境配置和安装的难题，用户可以在项目运行时切换所需的资源和镜像版本，以快速调整开发环境，通过提供开箱即用的分析环境、内置丰富的代码片段、打通产品与社区案例，帮助临床领域人员大幅降低代码级分析的门槛，通过以赛代训的方式，促进“理-工-医-信”跨学科数据爱好者的交流与合作。

点击这里查看详情

工业智算是通过使用大规模异构算力资源（CPU、GPU、DPU、NPU、FPGA、ASIC 等），为工业智能终端、工业网络智能控制、工业智能边缘计算、工业智能化应用提供所需算力、数据、算法和模型，实现工业领域云、（网）、边、端的智能计算。展望未来，和鲸科技将持续发挥技术优势与创新能力，在智算产业链与 AI 开发者生态互动方面进行探索与实践，助力大模型降本增效，推动 AI 技术在更多领域的产业化落地。

获取更多资讯：🔍和鲸社区

《联合国气候变化框架公约》第二十九次缔约方大会（COP29）于11 月 11 日至 24 日在阿塞拜疆首都巴库召开，旨在通过国际合作应对气候变化，共同推动人类可持续发展。本届大会共有 195 个缔约方、2052 家观察员组织、1454 家媒体，共计约 6.7 万人注册参会。各国政府机构、企业及团体聚焦 AI 促进气候韧性发展、数字化转型在全球气候治理中的作用，以及气候风险防范等议题展开讨论。大会就落实《联合国气候变化框架公约》《京都议定书》《巴黎协定》通过 20 余项决定，达成了名为“巴库气候团结契约”的一揽子平衡成果，特别是达成了 2025 年后气候资金目标及相关安排，设立了到 2035 年发达国家每年至少 3000 亿美元的资金目标及每年至少 1.3 万亿美元的气候融资目标，用于支持发展中国家气候行动，同时完成了《巴黎协定》第六条国际碳市场机制运行细则。

和鲸科技受邀亮相 COP29 金砖创新基地数字经济研究中心（简称“IDEAS”）特色展馆，凭借赋能研究型业务的可编程智脑气象行业解决方案，吸引了行业专家、技术精英及爱好者的广泛关注。IDEAS 是由厦门市人民政府出资设立，厦门大学、莫斯科大学参与建设的新型事业单位，兼具“新型研发机构”、“新型高校智库”、“科技创新孵化器”、“海外人才工作站”等多重属性，专注于国际科研成果的落地转化与国际产业化人才培养。本次 COP29 大会，IDEAS 数字生态文明实验室设立特色展馆，集中展示了实验室在绿色智能的数字生态与气候变化交叉领域的最新研究成果与创新实践。

和鲸科技展位现场

人工智能技术不断发展，为气象预报发展提供了新思路和新工具，如何提升天气预报的准确率、精细化水平以及服务质量是当前的关键要务。和鲸科技凭借其独特的“协同平台+实践社区+竞赛”三位一体的数据科学与人工智能基础设施体系，成功助力各行业实现数据价值的全面挖掘与应用，推动 AI 技术在实际场景中的有效落地。尤其在气象与数据智能的融合应用方面，和鲸有着独特见解。今年 8 月，和鲸联合智谱 AI，共同发布了气象联合解决方案，紧密结合智谱 AI 基座大模型的技术优势与和鲸科技 AI 基础设施入口的平台能力，构建了气象算法库、大模型库，并且基于 LLM 打造了气象 Agent，能够依据指令与规则，自动调用气象算法服务接口，加载预报模型库结果，从而提升平台的自动化能力。当前和鲸已与国家气象信息中心、四川省气象局、山东省气象局等各级单位建立合作，推动气象服务智能化水平的全面提升。

此外，凭借在气象领域的广泛积累，和鲸社区成为了气象数据科学领域知名社区。于 2022 年率先推出了“AI+气象”频道，为广大气象爱好者深度整合了社区内的各类资源，包括丰富的气象数据集、可在线复现的实践项目案例、气象大模型等主题 workshop 活动，并推出了气象数据科学学习路径，帮助气象用户系统性学习提升数据科学能力。在和鲸社区丰富资源的支持下，高校、企业、气象局等众多单位通过举办“气象+AI”主题竞赛，不仅推动了人才培养，还发掘出了更多优秀的算法。

联合国气候变化会议是在《联合国气候变化框架公约》（UNFCCC）框架下每年举行的会议，对于评估气候进展、推动各国落实全球气候承诺及携手应对气候变化具有重要意义。和鲸正深入探索大模型在气象领域的应用创新，助力培养“气象+AI”创新型、复合型人才，助力应对气候变化难题。此次和鲸在 COP29 的亮相，展现了其在气象数据科学领域的领先实力与深厚积累。展望未来，和鲸将继续打磨产品、链接行业上下游生态，持续推动“气象+AI”创新发展，为全球气候行动贡献力量。

获取更多内容：🔍和鲸社区

2024 年 11 月 14 日至 17 日，第五届医疗大数据及 Datathon 活动在京圆满召开。本届 Datathon 共集结了 23 队、236 名医学及数据科学领域精英同场交流竞技，促进“理-工-医-信”四大学科的深度融合。和鲸凭借其自研的 ModelWhale 数据科学协同平台，再次为该届 Datathon 竞赛从会前培训到正式比赛提供强力支持。为更好帮助参赛选手提升参赛体验，更好地进行医疗数据分析实操，和鲸科技客户成功副总监郑凯少向参赛选手简要介绍了本次 Datathon 比赛云平台 ModelWhale 使用指南。

分享嘉宾 郑凯少

郑凯少，上海和今信息科技有限公司客户成功副总监。硕士毕业于北京大学软件与微电子学院，从业后专职服务医疗领域与相关产业，拥有丰富的数据挖掘、大数据与 Al 相关服务经验。

01 Datathon 报名与组队

各位参赛选手登录 ModelWhale 后，进入“比赛专区”，并在相应赛道中完成在线报名。本次 Datathon 活动设置两大赛道，赛道一主题为临床洞察挑战，赛道二主题为多模态融合创新。完成报名后，选手可在平台上进行组队。组队功能对于团队协作至关重要，选手可以通过平台的组队功能找到志同道合的队友，共同为比赛努力。组队完成后，选手可在平台上看到其他队伍的信息，以及自己的队伍状态。

02 数据提供与接入

ModelWhale 以便捷的数据接入流程为支撑，确保每位选手都能顺利获取并处理比赛所需的数据。本次比赛的数据提供方式分为两种：结构化数据与非结构化数据。结构化数据以数据库的形式呈现，涵盖了 MIMIC-IV、MIMIC-III、inspire 等丰富的数据源。选手们只需点击相应数据，即可进入预览表界面，全面了解数据表、数据字段、数据字典等基本信息，为数据分析打下坚实基础。非结构化数据，如多模态数据，则通过 ModelWhale 的文件存储管理系统进行提供。选手们只需进入 NAS 空间（即界面上的“NAS root”），即可浏览并获取 VitalDB 数据库等项目的相关数据，以文件形式进行使用。

考虑到本次比赛的大数据特性，和鲸特别为参赛团队提供了在线的分析环境和工作环境。赛道一提供 32C64G 的 CPU 计算资源，赛道二则提供 16C32G 配置 V100*2 的 GPU 资源，以支持多模态数据的处理和分析。和鲸还为选手们提供了多样化的镜像环境选择。无论是使用 Python、Java 还是 R 语言的团队都可在“镜像环境”中找到适合自己的语言及计算资源环境类型。只需点击添加按钮，即可轻松配置你的数据分析环境。

03 项目配置与运行

在完成计算环境和资源的配置后，选手在进入新建项目时可选择两种编辑器进行配置。一种是 notebook 交互式建模工具，另一种是 IDE 工具。对于使用 Java 或 C++ 语言的选手，可以直接选择 IDE 工具；而对于使用其他语言的选手，则可以选择notebook交互式建模工具。

以 notebook 编程工具为例，在选择完编程工具后，选手们可添加本次比赛所需要的数据集。在“他人共享”中，选手们可以找到数据库连接，无论是结构化数据还是多模态数据，都可以快速添加关联。然后，点击下方“创建”按钮，即可创建一个基础的在线编程模板。以 16C32G V100*2 配置资源环境为例，在创建好项目后，选手们可以在左侧确认数据是否关联成功，选手们可以直接右键复制数据路径放入编辑器中，进行代码运行操作。同时，在界面右侧点击右上角的“运行设置”按钮，可以进行进一步的配置。考虑到比赛提供了大量的数据和计算资源空间，平台为每个选手提供了 20G 的个人存储空间。如果存储空间不足，选手们还可以点击“申请扩容”按钮进行扩容。

编辑器中也支持通过 pip install 的方式安装包运行。安装完之后，可以将环境保存，避免下次启动时反复安装。此外，除了结构化的表数据外，ModelWhale 还提供非结构化数据的分析支持。选手们可以找到图像数据后，以代码的方式复制到编辑器中进行处理。对于数据库中的数据，选手们可以直接挂载例如 MIMIC-IV 数据集，并一键复制使用数据库示例代码。将这些代码添加到在线环境后，点击运行即可执行查询等操作。通过这样的流程，选手们可以快速接入主办方提供的数据，并开始项目构建。

04 多角色协同工作

ModelWhale 不仅提供了丰富的算力资源支持，同时也支持多角色协同。数据分析师或数据工程师可以微调数据，建模工程师则可以进行深度学习框架的训练。通过这样的方式，团队成员可以获取不同任务的工作成果。团队在面临一项需分步骤完成的工作、且需由不同角色的人员参与时，ModelWhale 支持先对项目进行保存，并随后将其分享至团队内部，团队成员在接收到项目后，可根据实际需求为其配置相应的权限，包括但不限于查看、fork 及 merge 等。

如果选手是团队协作者，可以在项目的“他人共享”模块中查看到由他人共享并可供其协作的项目。在获取项目后，通过点击 fork，选手能够获取项目的完整代码，并选择 notebook 运行环境进行直接运行。以数据工程师为例，在完成数据抽取后，ModelWhale 会妥善保存工作成果。若团队某成员已通过代码完成了数据处理，并按照后续工程师的要求进行了数据的归档与整理，那么就可以将项目保存，并通过合并的方式提交至其他成员中。如果选手是原始项目的创建者，则可以接收到团队提交的代码，并进行合并操作。最终，所有的项目代码都会整合至最初创建的项目中。

此外，IDE 建模工具的操作流程与上述步骤基本保持一致。以 Java 语言为例，选手同样能够挂载结构化和非结构化的数据集。进入运行界面后，选手需先点击运行右侧的挂载按钮以获取计算资源，并选择可使用的镜像。运行界面与工程师角色在本地使用的 VScode 界面高度一致，选手可使用 VScode 的快捷键及操作方式。打开界面后，选手将看到一个纯工程代码的操作界面。在左侧可以点击上传文件按钮，将本地的工程文件等导入平台，并利用平台进行数据抽取等操作。

05 助力临床研究可重现性

和鲸深知在临床研究中，研究的可重现性至关重要。与其他领域相比，临床研究对可重现性的要求更为严格。然而，在实际操作中，当前许多研究人员使用的编程语言（如 R 语言）存在环境不一致的问题，多角色协同上面存在非常大的障碍和阻碍。为了解决这个问题，ModelWhale 应运而生，旨在提供一个统一、高效、可重现的研究环境。

和鲸倡导遵循 FAIR 原则，采用容器化等技术手段确保代码环境的一致性，保证数据和环境的可复现性。ModelWhale 实现了数据的统一接入和管理，通过对象存储、数据库接入系统以及接口等形式，将不同结构、不同格式、不同形式的数据统一接入到研究数据集中。同时，ModelWhale 还提供了在线分析和运行环境，以及多角色协同工作的功能，以支持研究的可重现性。

以 TCGA 肿瘤基因组数据库研究环境准备复现为例，这一项目覆盖了 33 种癌症类型，涉及超过 11,000 名患者，数据量高达 2.5PB。这些数据不仅涵盖了各种组学数据，还包括了患者的基本信息、治疗过程、临床分期和生存状况等关键临床数据。鉴于研究数据与模型的复杂性，个人 PC 难以承载如此庞大的计算任务。同时，项目涉及跨地区的研究合作者，因此，利用云计算环境进行研究的复现与深化成为必然选择。为此，ModelWhale 提供了即开即用的分析环境，通过容器镜像封装了临床研究复现所需的所有环境信息，包括 R 语言版本、Python 版本、使用的工具包、操作系统以及系统依赖等。

对于特定的临床研究，甚至研究中使用的具体版本，和鲸都能准确跟踪并记录其使用的环境信息。这使得合作者只需将代码文件链接发送给对方，对方即可轻松启动对应代码文件的环境，极大地提高了合作效率与研究的便捷性。

您可点击这里，探索和鲸 ModelWhale 更多功能~

本文内容已做精简，如需获取专家完整版视频实录及课件，请扫码领取。