第六届“泰迪杯”数据分析技能赛获奖成绩公示

最新推荐文章于 2025-12-10 22:10:48 发布

原创

最新推荐文章于 2025-12-10 22:10:48 发布 · 1.2k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#大数据

2023年的全国技能大赛于9月至11月举行，吸引了300所高校的1638支队伍参赛。采用盲审机制，最终公示了一等奖及泰迪杯的详细名单，包括专科和本科及以上组别，获奖者及其指导教师的详情在数睿思平台上可查询。

获奖名单公示

本届技能赛于2023年9月9日正式开始，至2023年11月12日结束，历时两个半月。技能赛共计有来自全国近300所高校的1638支队伍报名参赛，由高校和公司共同组成的评审专家组历时半个月的盲审。

本届竞赛采用盲审（屏蔽参赛者信息；两位评阅专家同时评阅同一作品，超限调整后再取平均分）。

各奖项证书参赛者及指导老师每人一份，证书为电子版，各奖项证书颁奖会结束后（12月11日）可在“获奖证书”页面下载。成功参赛名单在本页面尾部下载。

本届评审专家名单（排名不分先后）：

姓名	单位	姓名	单位
蔡志杰	复旦大学	冯国灿	中山大学
杨坦	<

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

泰迪智能科技

关注关注

7
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

2025年泰迪杯数据挑战赛B题问题分析

qq_52590045的博客

04-16

1110

【时间安排】● 报名起讫时间：2024年3月8日—4月12日● 开题时间：2024年3月8日 9:00:00（公布赛题和示例数据）● 竞赛时间：2024年4月13日—4月26日（4月13日9:00:00 公布全部数据）● 提交选题截止时间：2024年4月23日（16:00之前）● 提交作品截止时间：2024年4月26日（16:00之前）● 提交测试结果时间：2024年4月27日9:00—4月28日9:00（公布测试数据，提交测试结果）● 网络评阅时间：2024年5月6日—5月26日。

2024年（第7届）“泰迪杯”数据分析技能赛通知

tipdm0301的博客

09-03

1253

2024年（第7届）“泰迪杯”数据分析技能赛通知

参与评论您还未登录，请先登录后发表或查看评论

分享：2024年（第12届）“泰迪杯”数据挖掘挑战赛省级奖项获奖名单公示

tipdm0526的博客

06-18

1271

2024年（第12届）“泰迪杯”数据挖掘挑战赛省级奖项获奖名单公示

分享|省奖公示丨2025年（第13届）“泰迪杯”数据挖掘挑战赛

tipdm0301的博客

06-16

544

本次竞赛有评选省奖的省份有广东省、广西壮族自治区、四川省、重庆市、河北省、湖北省、浙江省。以下所有省级奖项证书由广东省工业与应用数学学会及广东泰迪智能科技股份有限公司联合颁发。以下所有省级奖项证书由湖北省工业与应用数学学会及广东泰迪智能科技股份有限公司联合颁发。优胜奖：没有获得一、二、三等奖且通过查重的队伍，颁发“泰迪杯”广东省优胜奖荣誉证书。以下所有省级奖项证书由浙江省应用数学研究会及广东泰迪智能科技股份有限公司联合颁发。以下所有省级奖项由河北省工业与应用数学学会及广东泰迪智能科技股份有限公司联合颁发。

2023年“泰迪杯”数据分析技能赛A题档案数字化加工流程数据详解+完整代码+源数据

m0_74177856的博客

11-24

4912

档案数字化是随着扫描、OCR 、数字摄影、数据库、多媒体、存储等技术的发展而产生的一种新型档案信息处理技术，它把各种载体的档案资源转化为数字化档案信息，以数字化的形式存储，网络化的形式互相连接，利用计算机系统进行管理，形成一个有序结构的档案信息库。我国档案工作采取“存量数字化、增量电子化”的信息化战略。当前我国各行业的存量档案数量巨大，档案数字化的需求不断增加，档案数字化加工行业的市场规模呈现逐年增长的趋势。

分享：2024年（第12届）“泰迪杯”数据挖掘挑战赛成绩公示

tipdm0526的博客

06-07

837

2024年（第12届）“泰迪杯”数据挖掘挑战赛成绩公示

2022年（第5届）泰迪杯 数据分析技能赛 B题分享给需要的同学

11-11

泰迪杯数据分析技能赛 1. 介绍 数据分析：银行客户忠诚度分析泰迪杯技能赛B题（全解）：个人复盘，重新编写数据分析代码后所得（18M）（注意：其中有ipynb文件为解题代码文件，html目录下文件为ipynb文件的html...

2024年（第7届）“泰迪杯”数据分析技能赛A题

11-10

2024年数据分析技能赛A题的知识点主要围绕自动化生产线的数据分析展开。首先，数据分析的基础是数据整理与统计，这包括对两条生产线的日、月、年产品总数、合格品数、不合格品数以及合格率进行记录和分析。该部分...

第五届泰迪杯数据分析赛赛题数据

06-22

第五届泰迪杯数据分析赛的B题，即“银行客户忠诚度分析”，聚焦于利用数据分析手段揭示客户行为模式，识别潜在的忠诚度提升策略。这涉及到一系列关键知识点： 1. 数据预处理：这是数据分析的第一步，包括数据清洗...

2023第六届“泰迪杯”数据分析技能赛B题

11-18

在2023第六届“泰迪杯”数据分析技能赛中，B题聚焦于"企业财务数据分析与造假识别"，这是一场对参赛者数据分析能力和洞察力的深度考验。本题目的核心目标是通过分析财务数据，揭示潜在的财务造假行为，帮助参赛者...

第五届泰迪杯数据分析赛赛题

06-22

### 第五届泰迪杯数据分析赛B题：银行客户忠诚度分析 #### 一、赛题背景在当前银行业务环境中，随着同质化产品的普及以及客户选择渠道的增多，客户对银行产品和服务的忠诚度逐渐降低。面对这一挑战，银行需要采取...

第十一届“泰迪杯”数据挖掘挑战赛携“十万”大奖火热来袭

tipdm0526的博客

02-20

835

第十一届“泰迪杯”数据挖掘挑战赛携“十万”大奖火热来袭

第十一届“泰迪杯”数据挖掘挑战赛成绩公示

tipdm0526的博客

06-07

1425

第十一届“泰迪杯”数据挖掘挑战赛历时两个月顺利结束。竞赛采用盲审（屏蔽参赛者信息；评审专家只能评阅非本区域作品；三位评阅专家同时评阅同一作品，超限调整后再取平均分），答辩于2023年6月3日，通过线上方式进行，共产生特等奖并获泰迪杯3名，特等奖3名，一等奖并获网宿创新奖3名。

2023年泰迪杯数据挖掘挑战赛B题--产品订单数据需求预测（3.模型训练与预测）

maligebilaowang的博客

04-02

6905

并且考虑天，周，月等数据精度进行预测，根据问题一的数据分析结果已经可以确定，销售区域，订单类别，销售方式以及时间段等指标对于订单需求都有显著影响，具体的数据分析方法可以参考博主之前的博文。本文考虑利用多种机器学习回归模型进行模型训练和求解，具体包括Arima时间序列，综合考虑了季节因素，在结合支持向量机回归，决策树回归，随机森林回归，Xgboost等多种模型进行综合预测。最终选用了效果较好的时间序列+回归预测进行组合预测，得到最终的预测结果，

2023年泰迪杯数据挖掘挑战赛B题--产品订单数据分析与需求预测（1.数据处理）

最新发布

Liaka的博客

12-10

566

相信大部人初级开发跟我一样，平时接触不到什么高并发场景，虽然也能花心思做，但总是受困于杀鸡用牛刀或工资配不上努力或没时间等。故本人整理一份分场景的高并发解决方案，也会包括高可用场景。

祝贺朱雀三号首飞成功入轨！国产时序数据库 IoTDB 助力火箭试验

qin_DB的博客

12-05

806

朱雀三号首飞成功入轨，为国家航天运力体系增添了一款性能先进、潜力巨大的新型主力火箭，补强了我国大运力、低成本、高频次进入空间的运载能力，精准响应了国家卫星互联网星座工程建设大规模组网的迫切需求。本次首飞任务不仅检验了朱雀三号总体方案、动力系统、飞控系统、结构与航电系统的正确性和可靠性，也获取了真实飞行状态下的大量关键工程参数。，带回了真实飞行条件下的重要工程参数，为后续型号优化设计、提升整体可靠性、实现子级回收及重复使用奠定了重要基础。每一次成功的首飞，都是无数次试验和无数条数据的积累。

Spring Boot + Easy-ES 3.0 + Easyearch 实战：从 CRUD 到“避坑”指南

铭毅天下Elasticsearch

12-09

634

Easy-ES 3.0.0 虽然简化了配置，但对 ES 客户端版本的兼容性依然有要求。（简称 EE）作为 ES 界的“MyBatis-Plus”，凭借其强大的 ORM 能力和简洁的 API，正在成为许多 Java 开发者的首选。：Windows 终端默认 GBK，而 Maven 和 Java 都在用 UTF-8，编码不一致导致“鸡同鸭讲”。：Windows PowerShell 下跑 Maven 测试，日志里的中文全是乱码，根本看不懂报错信息。代码写完了，一运行测试用例，往往才是噩梦的开始。

大数据分析与应用:从业务痛点到落地实战的全流程解析

2401_89845953的博客

12-06

605

本文以电商用户流失预测为实战场景，完整呈现大数据分析 “需求拆解 - 数据处理 - 模型构建 - 业务落地” 全流程。通过 Spark+Pandas 混合方案处理 1.2 亿条行为日志等多源数据，构建随机森林模型识别流失用户，AUC 达 0.892。结合特征重要性分析，设计高、中、低价值用户三级召回策略，落地后使平台流失率下降 8.3%，GMV 增长 120 万元。文中附可运行代码与全流程思维导图，强调数据治理、模型可解释性及闭环迭代的重要性，突出 “用数据解决业务问题” 的核心逻辑。

第六届泰迪杯数据分析技能赛b题

01-25

### 泰迪杯数据分析技能大赛 B 题概述 #### 比赛背景与目标 第六届泰迪杯数据分析技能大赛旨在通过实际案例提升参赛者的数据分析能力。B题聚焦于银行客户忠诚度分析，具体涉及短期客户产品购买数据`short-customer-data.csv`和长期客户资源信息数据的训练集`long-customer-train.csv`[^3]。 #### 数据描述 - 记录了客户的短期行为特征及其所购产品的详细情况。 - **长期客户资源信息数据 (`long-customer-train.csv`)** - 提供了关于客户的长时间跨度内的交易记录和其他相关信息，用于建立预测模型的基础数据源。 #### 参赛要求参与者需完成以下任务： 1. 对给定的数据集执行全面的数据清洗工作； 2. 进行探索性数据分析（EDA），识别潜在模式并发现异常值； 3. 构建合适的统计或机器学习模型来进行客户忠诚度评估； 4. 使用图表等形式直观展示研究结论，并撰写报告说明方法论和技术细节； #### 解题思路针对此问题，建议采用如下策略： ##### 数据预处理阶段 ```python import pandas as pd # 加载数据文件 df_short = pd.read_csv('short-customer-data.csv') df_long_train = pd.read_csv('long-customer-train.csv') # 查看前几行以了解结构 print(df_short.head()) print(df_long_train.head()) # 处理缺失值、重复项等问题... ``` ##### 探索性数据分析 (EDA) 利用可视化工具如Matplotlib, Seaborn等绘制直方图、箱线图等图形帮助理解变量分布特性及相互关系。 ##### 特征工程基于业务逻辑创建新特征，比如计算每位顾客平均消费金额、最近一次访问间隔天数等指标作为输入到后续建模过程中的额外维度。 ##### 建立预测模型可以选择多种算法尝试，例如决策树、随机森林和支持向量机等分类器来判断哪些因素最有可能影响客户的忠诚度水平。 ##### 结果解释与优化最终选定表现最佳的一个或多个月模型组合起来形成综合评分体系，并据此提出改进建议帮助企业提高服务质量从而增强用户的粘性和满意度。