- 综合排序
- 最热优先
- 最新优先
- 来自专栏华汇数据服务
IT项目后评价为何如此重要
图片IT项目后评价是指在项目已经完成并运行一段时间后，对项目的目的、执行过程、效益、作用和影响进行系统的、客观的分析和总结的一种经济技术活动。它的指导思想是，如果重新做这个项目，哪些方面可以改进？ 华汇数据IT项目后评价平台是项目在竣工验收完成并投入使用或运营一段时间后，运用规范、科学、系统的评价方法与指标，通过评价系统的分析功能，为项目投入运营中出现的问题提出改进意见和建议，协助项目相关单位查找项目成败的原因 一般来说，项目后评价具有以下几个特点：（1）权威性整个项目最终的后评价，一般是由资深专家来做的，他们具有相关方面的丰富实践经验和深厚的理论修养以及卓越的沟通能力和研究能力，得出的评价必然也是权威的。 （4）公正性整个项目最终的后评价，通常由未直接参与项目工作的第三方独立开展。当然，在这之前，各主要项目相关方，应该从自己的角度进行后评价，总结经验教训。 由此可见，进行项目后评价是非常有必要的，对项目工作的评价意见，并不会改变项目验收报告或其他文件中对项目成功程度的结论。
78450编辑于 2022-12-12 - 来自专栏知识学习
教师评价系统
从1995年开始逐渐出现了网络化的教学评价信息系统，用户可以通过登录网上教学评价系统完成教学评价，但是从实践过程中系统还是暴露出以下几个问题。 调查发现很多高校对教学质量的评价工作只是作为教学管理的一个子功能，学期结束只有学生对教师进行简单的评分操作，评价结束后拥有重要价值的评价数据也没有进行充分有效地分析利用。 1.3系统概述 系统名称：网上选课系统 系统的主要目标：实现教师评价系统所需的各种基本功能 学生用户：登录系统、退出系统，评价本学期任课教师，评价教师有打分和评论两种情况，查看教师信息，查看系统信息 教师用户：登录系统、退出系统，查看教学评价信息，查看教学评价信息有查看评论、查看总分、查看平均分、查看打分评论总人数四种情况，评价同科室的教师，查看系统信息，修改个人密码。 在登录页面对应的地方输入用户名、密码，确认后登录。
76810编辑于 2024-10-15 - 来自专栏华汇数据服务
政企使用项目后评价系统的必要性与工作的主要内容｜华汇数据
建立政企投资项目重大决策、重大工程后评价机制，有利于坚持以科学发展观统领经济社会发展全局，把改革的力度、发展的速度和社会可承受的程度统一起来，促进经济社会全面协调可持续发展，有利于各级各部门树立正确的政绩观 达到提高投资效益的目的；3、后评价具有透明性和公开性，能客观、公正地评价项目活动成绩和失误的主客观原因，比较公正地、客观地确定项目决策者、管理者和建设者的工作业绩和存在的问题，从而进一步提高他们的责任心和工作水平 工程项目后评价系统华汇数字政务系统工程质量智能化监督评价系统是对项目在竣工验收完成并投入使用或运营一段时间后，运用规范、科学、系统的评价方法与指标，通过评价系统的分析功能，为项目投入运营中出现的问题提出改进意见和建议 后评价平台的使用，使评价过程和结果具有透明性和公开性，能客观、公正地评价项目活动成绩和失误的主客观原因，比较公正地、客观地确定项目决策者、管理者和建设者的工作业绩和存在的问题，从而进一步提高项目各方的责任心和工作水平 本平台包括了项目库储备、申报管理、评审管理、实施管理、验收管理、运维管理、绩效评价、云资源管理等功能模块，提供了灵活、开放的系统架构，可以适应各地的信息化项目管理体系和政务云技术体系，并根据管理政策和技术的发展进行定制
87650编辑于 2022-07-18 - 来自专栏燧机科技-视频AI智能分析
教学质量评价系统
一、引言 我国基础教育阶段专任教师超1800万人（《2026年中国教育发展统计公报》），传统教学评价存在主观性过强（评教结果标准差＞0.35）、数据维度单一（仅覆盖30%课堂行为）、响应滞后（人工分析耗时 现有视频分析系统易受遮挡干扰（学生遮挡摄像头）、复杂光照（黑板反光）影响，导致教学环节识别准确率不足75%。 本文提出基于YOLOv11目标检测与时空行为分析的智能评价系统，通过多光谱感知-动态教学建模-分级反馈联动技术架构，实现教学环节划分精度96.5%（实验室数据），实测响应延迟＜0.7秒。 系统已在深圳龙岗区（覆盖320间智慧教室）部署，日均生成评价报告1800+份，教师教学改进采纳率达82%，为教育数字化转型提供“数据采集-行为分析-精准反馈”全链条技术支撑。 云端管理平台 实时热力图展示课堂活跃区域（如后排学生低头率＞30%预警）； 自动生成结构化评价报告（含环节时长占比、教学方法分布、学生专注度曲线），通过API对接教务系统，实现“评价-反馈-改进”闭环
28500编辑于 2026-01-11 - 来自专栏杨丝儿的小站
西湖大学对话评价-项目参考
项目概要 机器人对话，根据上文得到下文这么个东西。推测也是使用滑窗来做的，但具体不清楚了。 项目日志 2020-12-29 星期二 确定参与标注的任务，我的配额： 200组 train set 100组 test set 1月6日完成 看时间，如果1月4日之后时间充裕，可以考虑增加 每300 组提交一次 2020-01-01 星期五 整理项目日志 整理我的任务，固定工作流程 测算单位时间，辅助计划制定 (进行中) 2020-01-04 星期一 完成200组 train set 因为 test 这里我们就可以把四个部分分别进行判断解决 基础: 读完一遍的文本第二次读会更快, 理解也更深 基础: 优化的时间比多出来的阅读时间更加多 人在做一件事情的时候最耗费时间的不是事件/拆分后的小事情本身,
26320编辑于 2022-03-21 - 来自专栏hotarugaliの技术分享
推荐系统常用评价指标
AUC: Area Under ROC Curve，同目标检测中的 AUC 指标。
2K20编辑于 2023-05-16 - 来自专栏腾讯移动品质中心TMQ的专栏
如何科学评价对话系统
针对基本的对话系统，我们的评价工作也会集中在两个方面来评价：对自然语言理解的准不准；生成的回复好不好。具体下文开始详述。 ，因此对一个对话系统的容错能力的评价是非常必要的。 5、 总结展望 5.1 业界对话系统的评价回顾 对于任务型对话系统的评价，实际操作中发现对话系统的成功率和对话的长度基本可以说是最重要的两个指标，后来的研究也往往将最大化成功率与最小化对话长度作为任务型对话系统评测的指标 后续的各种评价方式大致也分为三大类：1)通过构造某种特定形式的用户模拟系统进行评价;2)人工评价; 3)在动态部署的系统中进行评价。 具体的内容请参考对话系统评价方法综述，本文不再赘述。 5.2 对话系统评价的未来考量 关于对话系统评价的未来，我个人认为依然会以人工评价为主，机器评分作为辅助拟合的方案来进行。
6.4K63发布于 2019-05-16 - 来自专栏秋枫学习笔记
动手实现推荐系统评价指标
. / len(user_pred[u][0]) return score / len(user_pred.keys()) 选择topk评价指标 def topk_metrics(y_true, y_pred
76330编辑于 2022-09-19 - 来自专栏燧机科技-视频AI智能分析
课堂教学智慧评价系统
现有视频分析系统对“小目标表情（微表情）、动态互动（小组讨论）、复杂光照（投影反光）”场景适应性差，难以实现“数据洞察—视频回溯—策略生成”的闭环反思。 本文提出基于YOLOv12目标检测与RNN-LSTM时序行为建模的智慧评价系统，通过多模态感知-动态画像构建-三阶反思联动技术架构，实现师生行为识别精度96.8%（实验室数据），实测响应延迟＜0.7秒。 “小组讨论沉默＞30秒”（置信度0.93），回溯视频切片显示“教师未及时引导”，推送“开放式提问策略”后，同类场景互动恢复率提升60%； 兴趣点定位：通过表情热力图发现“案例讲解环节抬头率＞90%”，建议教师增加案例占比 课堂教学智慧评价系统基于YOLOv12+RNN深度学习算法，课堂教学智慧评价系统通过集成AI大模型，教学过程数据整合形成动态化师生行为画像，结合课堂视频切片与情绪指数热力图，回溯“学生抬头率骤降”“互动冷场 通过人机协同的AI评价技术，实现高度自动化课堂教学质量评价，同时运用多种评价手段、综合多来源评价数据，以教师发展、学生成功为核心动因进行分析评价，实现学校教学质量常态化提升。
50810编辑于 2026-01-12 - 来自专栏人工智能头条
推荐系统评价：NDCG方法概述
越多越好 一般情况下，一个推荐系统得到的信息越多就会表现得越好，理想的情况下，当系统从给定用户中得到更多评价的时候，推荐的质量就会提高。在评价一个系统时，我们要考虑这个维度。 为了完成这个，对于一个给定的用户，我们选择一个评价来训练，剩下的用来测试，然后选择两个评价进行训练，剩下的用来测试并依次下去，重复计算推荐和NDCG，直到达到某个特定数值或者测试集中没有剩余的评价为止。 X轴是训练的评价数，Y轴是用户NDCG@50均值 当比较两个推荐系统的结果时，绘图将揭开它们的不同。要么一个比另一个更好，要么在曲线的某些点上相交。 该交叉点提供了使用两个系统组合的一种可能性。 最初我们采用的是第一个系统，当获得的反馈大于阈值时，我们切换到另一个系统。在这里，当给出少许评价数时蓝色会表现的更好，但当评价数大约50个时就会收敛。当提供更多的评价时，绿色则占据上风。 要运行它，在你的推荐系统上需要提供的数据和插件。 最后，我们诚邀您来探索如何在MovieMood上使用更多的评价数来提升推荐系统的质量。
2.7K80发布于 2018-06-05 - 来自专栏Akatsuki
KylinOS国产系统的个人评价
前言 学校引进该系统，本人体验时间仅3小时！！！ 系统版本为：银河麒麟V10 SP1 2203版本 操作系统 基于Ubuntu（实际上是Debian）制作[售后工作人员说的(自称软硬件工程师？？？)] 虽然是Linux但占用不比Winodws要低，相对更高一些（对比该电脑原系统Winodws7旗舰官方版本） 性能占用 由于学校电脑硬盘有大问题（IDE启动读50写20MB | AHCI启动较好读70写30MB 激活价格 操作系统激活需要600RMB单购（不知道批量的价钱如何）暂时伪激活方法 （工作人员回答：）激活或者不激活没啥区别就是开机多个提示弹窗已经权限开放问题 实际未测试所以不知道（懒） 软件商店 软件商店中软件均为正版付费
93650编辑于 2023-03-17 - 来自专栏小小挖掘机
推荐系统评价：什么是好的推荐系统
所以，我们很难有一个推荐系统好不好的绝对值，只能在有参照物的情况下，选取某些常见指标然后有一个相对的评价，没有统一标准，但人人心中都会有一杆秤。 这里需要提一下客户体验价值，它帮助企业了解每个客户的体验价值和商业价值，从而帮助决定如何对待客户体验，以及如何调整客户体验项目的投入。每个产品特性导致不同的评估指标，最核心的是如何评估用户需求满足度？ ▌宏观 从宏观上来看，好的推荐系统就是满足用户的需求，帮助其进行路径优化与兴趣发现。微观上来讲，好的推荐系统一定是再为产品服务，不同的产品阶段，我们需要确立不同的推荐系统目标及评价体系。 推荐系统评价的体系会围绕以下几点进行决策：新上线的功能或者算法对产品价值多大，成本多高，收益如何？ 其它相关指标： 用户对算法准确度的敏感度，算法对不同产品的普适性，广义的质量评价，个人隐私的保护，推荐系统的鲁棒性等 具体上述几个指标的计算等，我们在推荐系统的评价这一章展开。 3.
3.1K51发布于 2019-06-24 - 来自专栏码神随笔
客观评价华为的OS鸿蒙系统
论华为的OS鸿蒙系统 现在毫无疑问的是排名靠前的手机厂商都想有自己的操作系统 现在任何一家手机厂商都没有制作出属于自己的操作系统（苹果除外），安卓阵营的任何一家公开市场的手机厂商他们都只造出了身体 ，核心的系统并没有造出，他们都是基于谷歌安卓进行运行 在华为之前有很多巨头手机厂商都想做自己的操作系统，——微软，诺基亚，摩托罗拉。 但是都做的不太好，或者是没有付诸行动，这个手机系统不是你想做就可以做的，排名第一的厂商都是谁做谁死，微软可以吧，但是没有办法，做不了就是做不了，首先生态这个东西就是没完没了的往里面砸钱，并且谁也不知道什么时候是个头 （哈哈哈） 那们这么多的困难我们是不是就不做了，答案是坚决不是，只要有这个备胎鸿蒙系统在，美国就不敢下死手，我们用不用和我们有没有完全是俩个概念。 未完…
73520编辑于 2022-12-13 - 来自专栏陶士涵的菜地
客服系统源码界面，访客发送评价功能界面，vue+elementui发起评价
近期在定制化聊天界面的过程中，重写了下访客聊天界面的评价弹窗功能。 现在实现的效果是下面这样的 实现代码html部分 <! --在线评价-->
--//在线评价--> data属性部分 //评价 comment:{ dialog:false,1.1K10编辑于 2023-04-26教学质量评价AI分析系统：让课堂评价更精准、决策更高效
而教学质量评价AI分析系统的出现，正用技术打破这种“模糊评价”的困境，让课堂质量的衡量变得可量化、可追溯、可优化。这款系统的核心逻辑，是用AI技术把“看不见的教学过程”转化为“看得见的数据指标”。 它不需要复杂的操作，只需对接课堂录播设备、教学平台数据，就能自动完成信息采集与分析，全程无需人工干预，既减少了老师的额外负担，又提升了评价的客观性。从技术实现来看，系统的工作流程清晰易懂。 更重要的是，AI系统能实现“评价-改进-再评价”的闭环。 当然，AI分析并非要替代人工评价，而是成为教学评价的“得力助手”。系统会过滤掉主观干扰，提供客观数据参考，而教师的教学风格、学生的个性发展等无法量化的维度，仍需结合人工判断。 技术与人文的结合，才能让教学评价既精准又全面。在教育数字化的浪潮中，教学质量评价AI分析系统用技术重构了课堂评价的逻辑。
83210编辑于 2025-11-26来自专栏ATYUN订阅号Github上评价最高的几个机器学习项目
显然，在机器学习的世界里，不可能跟踪所有的事情，但是Github对每个项目都有星级评定。基本上，如果你给一个存储库打上星号，你就表示了你对这个项目的欣赏，同时也记录下了你感兴趣的存储库。 ? 这样，星级评定就可以成为了解最受关注项目的良好指标之一。让我们看看5个高评分等级的项目是哪些（虽不可能面面俱到。不过，这5条值得一看。） 01 人脸识别- 25,858★ 世界上最简单的面部识别工具。 github repo包含一系列很棒的TensorFlow实验、库和项目。 TensorFlow是由谷歌设计的端到端的机器学习开源平台。 它拥有一个由工具、库和社区资源组成的综合生态系统，让研究人员可以用ML创建最先进的应用程序。使用it开发人员可以轻松地构建和部署ML支持的应用程序。 ? 他们声称，它不同于以往的端到端图像到图像的翻译方法，因为它是第一个在现实生活的人类工作流程中为线条艺术上色的系统。大多数人类艺术家都熟悉这个工作流程。
71430发布于 2019-08-15来自专栏飞鸟的专栏二、 系统配置与性能评价
1、 性能评价指标（0-2） 计算机：时钟频率（主频)、运算速度、运算精度、内存的存储容量、存储器的存取周期、 数据处理速率、吞吐率、 各种响应时间、各种利用 率、RASIS特性，即可靠性、可用性、 可维护性 操作系统：系统的性能指标有系统的可靠性、系统的吞吐率（量)、系统响应时间、 系统资源 利用率、可移植性。 数据库管理系统：包括数据库本身和管理系统两部分，有数据库的大小、数据库中表的数量、单个 表的大小、表中允许的记录（行）数量、单个记录（行） 的大小、表上所允许的 索引数量、数据库所允许的索引数量、最大并发事务处理能力
70550编辑于 2022-01-10来自专栏若尘的技术专栏计算机系统性能评价
计算机系统性能评价 <1> 非时间指标 1）机器字长：指机器一次能处理的二进制位数 由加法器、寄存器的位数决定 一般与内部寄存器的位数相等(字长) 字长越长，表示的数据的范围就越大，精确度越高 目前常见的有 + 存储访问时间 + 各类排队延时等 CPU时间 = 程序中所有指令的时钟周期数之和 × T = 程序中所有指令的时钟周期数之和 / f CPU时间的计算方法 考虑CPI后的 _{i=1}^n$(CPIi × ICi / 总指令数) × 时钟周期时间 = 总指令数 × CPI × T 考虑MIPS后的 - 如何科学合理测试计算机系统的综合性能？有哪些常用测试工具？测试结果能否真实反应计算机的实际性能？ 计算机性能指标是确定的吗？ 如何合理利用时间指标评测计算机性能 - f、CPI、MIPS、CPU时间在评价计算机性能方面的特点和不足？ - 如何科学合理测试计算机系统的综合性能？有哪些常用测试工具？
1.4K87发布于 2021-05-15来自专栏逆锋起笔如何评价一个开源项目？是它了
X-lab开放实验室博士生赵生宇创作 01.背景 从 2015 年开始参与到开源社区，到 2018 年进入阿里开始做开源运营相关的工作，直到今天在 X-lab 已经读博两年，事实上一直在探索如何更准确地评价一个开源项目是否健康 在计算出每个开发者的活跃度后，可以通过一种加权和的方式来计算项目的活跃度，之前给出的方式是： image.png 即项目的活跃度为所有开发者活跃度的开方和，这里开方是为了降低核心开发者过高的活跃度带来的影响 对于一些开源创业公司或具体的开源项目团队而言，可以通过监控或观察多个指标来判断项目的健康与否。 原因其实是原先这个项目的负责人不知道如何在 GitHub 进行 review，在看到这个指标体系之前都是在即时通讯工具中进行同步聊天的 review，但在我们的推广和教育后，对过去的一些代码 review 例如阿里内部的开源项目大屏中，我们将 star 和 fork 从活跃度中拆分出来，独立成为一个关注度指标，即对项目有贡献的行为进入活跃度，而对项目有关注，但没有实际回馈的行为进入关注度。
92930编辑于 2021-12-09来自专栏AI研习社Github 上评价最高的 5 个机器学习项目
但是在 Github 上你可以跟踪所有的项目，Github 对每个项目都有 star 评定。基本上，如果你为一个 repo 打上 star，那么就表示你对这个项目感兴趣，并跟踪你感兴趣的 repo。 这样，star 数量就可以成为了解最受关注项目的指标之一，让我们来看看 5 个高评级的项目吧。 Github repo 包含一个很棒的 TensorFlow 实验、库和项目的管理列表。 TensorFlow 是由 Google 发布的一个端到端的开源机器学习平台。 它拥有一个由工具、库和社区资源组成的综合生态系统，使研究人员能够使用 ML 中最先进的技术。IT 开发人员可以通过使用它，轻松地构建和部署 ML 驱动的应用程序。 他们还谈到，Style2Paints 不同于以前的端到端、图像到图像的翻译方法，因为它是第一个在现实人类工作流程中对线条艺术进行着色的系统。大多数人类艺术家都熟悉这个工作流程。
97330发布于 2019-08-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号