基於個人喜好與生活習慣,成都大學用演算法推薦為新生配對室友!網友:建議全國推廣
大數據摘要出品
9月開學季,大學也即將迎來新鮮的血液。
要說開學的注意事項,必有一項是去拜天拜地求賜分配到好的室友。
和生活習慣不合拍的室友同住可以說是十分折磨了,例如類似的事件大家或多或少都聽說過或經歷過吧:
現在大學的捨友,六個人,只有一個人是獨生子女(沒有歧視的意思)。 她爸媽寵的厲害,天天車接車送,還喜歡特別大聲音說話,別人睡覺的時候一直打電話,她睡覺倒好,一點聲音也不能發出,有聲音她就會罵人。
不誇張的說,好的室友就是美好大學生活的標準。
有沒有什麼辦法能夠讓生活和學習習慣相同的人一起住呢?
近日,成都大學就推出了用「大數據演算法推薦」為新生配對室友的這麼一項服務。新生只需填寫一份問卷,就能自動分配宿舍和合適的室友。
對於此,學校學生宿舍管理中心一工作人員稱,這種「大數據選房」從2020年就開始籌劃了,從今年起正式實行。選房系統會根據本班優先、同專業次之 、同學院再次之的方式來推薦,會精準推薦3位室友。
整個問卷一共有8題,是透過徵集各學院老師和同學們的意見選擇一部分形成的,後期還會進行優化。
良心配對室友,還能選提前床位
#在成都大學迎新系統當中有兩種模式,自動選房和手動選房。
自動選房是由「大數據」自動配對室友,手動選房共包括3個步驟,分別是選擇大樓、選擇房間和選擇床位,選完之後點擊提交即可。
在選擇自動選房後,學生需要回答問卷的8個問題,每個問題有兩個相反的選項,例如在問題「你的社交狀態」下就有「社牛型」和「社恐型」。
系統也會詢問學生能否接受榴槤、螺螄粉等食物的異味。
當然對於一些經常引發室友衝突的運動習慣和生活習慣也必須是要調查清楚的,例如學生可以選擇自己喜歡的運動項目和就寢時間。
除了透過個人喜好進行室友的精準推薦外,新生們還可以自己選擇床位和宿舍,宿捨大螢幕上還配備了即時數據,顯示剩餘床位和室友的數量。
麻麻再也不用擔心我開學搶床位了。
成都大學一個寢室可以住4個人,4個人配對成功之後,是否願意住在一起可以自行商討,如果想換人也可以選擇和其他同學住在一起,學校會積極協商。線上選房目前只針對成都大學的本科生,暫未對研究生開放。
據了解,成都大學的線上選房系統是成都大學迎新系統的一部分。迎新系統是為了讓新生在進入校園學習生活前,可以對學習環境、生活環境有個了解,讓新生體驗到大學的資訊平台、資訊建立。
新生只需要透過掃描錄取通知書上的二維碼,就能快速進入系統。迎新系統不僅包括了線上選房,學生還能在迎新系統上購買寢具和生活用品,供應商會線下配送到相應的新生寢室,方便離家太遠無法帶太多行李的同學快速適應大學的生活。
迎新系統也支援線上報到、資訊收集、財務繳費、教材預定等一系列的服務。
網友:建議全國推廣
#這麼人性化的新生服務也在網路上引起了不少討論。
網友普遍對成都大學的這項服務表示羨慕,尤其是作息和空調使用這兩項一致真的會減少很多矛盾,看來大家都深受其害啊。
也有不少網友希望這項技術能夠全國推廣。
#但也有網友指出,我們更應該反思為什麼其他學校都沒有這麼做。知乎使用者@宇宙戰神郭奉孝就指出,背後的原因更多在於,學生並不是學校的主體,由於學生持續處於一種壓抑的狀態,「學校採取隨即分配宿舍的方式是必然的」。
「演算法配對可能只是該學校的某個老師一時興起,並不能代表學校整體的態度。學生會感謝他,但學校並不會給他多發獎金」。
也有網友指出,成都大學的這種問卷調查並不能稱為大數據。
知乎用戶@潤住就行了表示,大數據需要有大量的數據樣本,例如一個宿舍的人在四年裡分別對這些回答是什麼,他們之間的滿意度是多少,調查了10W個宿舍後形成一個樣本集,透過訓練得到宿舍樣本滿意度模型,然後再輸入新生的回答進行匹配,這樣子才能做到大數據的樣本學習吧。
連結:https://www.zhihu.com/question/549749054/answer/2651254803
以上是基於個人喜好與生活習慣,成都大學用演算法推薦為新生配對室友!網友:建議全國推廣的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

寫在前面&筆者的個人理解目前,在整個自動駕駛系統當中,感知模組扮演了其中至關重要的角色,行駛在道路上的自動駕駛車輛只有通過感知模組獲得到準確的感知結果後,才能讓自動駕駛系統中的下游規控模組做出及時、正確的判斷和行為決策。目前,具備自動駕駛功能的汽車中通常會配備包括環視相機感測器、光達感測器以及毫米波雷達感測器在內的多種數據資訊感測器來收集不同模態的信息,用於實現準確的感知任務。基於純視覺的BEV感知演算法因其較低的硬體成本和易於部署的特點,以及其輸出結果能便捷地應用於各種下游任務,因此受到工業

C++中機器學習演算法面臨的常見挑戰包括記憶體管理、多執行緒、效能最佳化和可維護性。解決方案包括使用智慧指標、現代線程庫、SIMD指令和第三方庫,並遵循程式碼風格指南和使用自動化工具。實作案例展示如何利用Eigen函式庫實現線性迴歸演算法,有效地管理記憶體和使用高效能矩陣操作。

C++sort函數底層採用歸併排序,其複雜度為O(nlogn),並提供不同的排序演算法選擇,包括快速排序、堆排序和穩定排序。

人工智慧(AI)與執法領域的融合為犯罪預防和偵查開啟了新的可能性。人工智慧的預測能力被廣泛應用於CrimeGPT(犯罪預測技術)等系統,用於預測犯罪活動。本文探討了人工智慧在犯罪預測領域的潛力、目前的應用情況、所面臨的挑戰以及相關技術可能帶來的道德影響。人工智慧和犯罪預測:基礎知識CrimeGPT利用機器學習演算法來分析大量資料集,識別可以預測犯罪可能發生的地點和時間的模式。這些資料集包括歷史犯罪統計資料、人口統計資料、經濟指標、天氣模式等。透過識別人類分析師可能忽視的趨勢,人工智慧可以為執法機構

01前景概要目前,難以在檢測效率和檢測結果之間取得適當的平衡。我們研究了一種用於高解析度光學遙感影像中目標偵測的增強YOLOv5演算法,利用多層特徵金字塔、多重偵測頭策略和混合注意力模組來提高光學遙感影像的目標偵測網路的效果。根據SIMD資料集,新演算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在偵測結果和速度之間達到了更好的平衡。 02背景&動機隨著遠感技術的快速發展,高解析度光學遠感影像已被用於描述地球表面的許多物體,包括飛機、汽車、建築物等。目標檢測在遠感影像的解釋中

一、多模態大模型的歷史發展上圖這張照片是1956年在美國達特茅斯學院舉行的第一屆人工智慧workshop,這次會議也被認為拉開了人工智慧的序幕,與會者主要是符號邏輯學屆的前驅(除了前排中間的神經生物學家PeterMilner)。然而這套符號邏輯學理論在隨後的很長一段時間內都無法實現,甚至到80年代90年代還迎來了第一次AI寒冬期。直到最近大語言模型的落地,我們才發現真正承載這個邏輯思維的是神經網絡,神經生物學家PeterMilner的工作激發了後來人工神經網絡的發展,也正因為此他被邀請參加了這個

一、58畫像平台建置背景首先和大家分享下58畫像平台的建造背景。 1.傳統的畫像平台傳統的想法已經不夠,建立用戶畫像平台依賴數據倉儲建模能力,整合多業務線數據,建構準確的用戶畫像;還需要數據挖掘,理解用戶行為、興趣和需求,提供演算法側的能力;最後,還需要具備數據平台能力,有效率地儲存、查詢和共享用戶畫像數據,提供畫像服務。業務自建畫像平台和中台類型畫像平台主要區別在於,業務自建畫像平台服務單條業務線,按需定制;中台平台服務多條業務線,建模複雜,提供更為通用的能力。 2.58中台畫像建構的背景58的使用者畫像

寫在前面&筆者的個人理解在自動駕駛系統當中,感知任務是整個自駕系統中至關重要的組成部分。感知任務的主要目標是使自動駕駛車輛能夠理解和感知周圍的環境元素,如行駛在路上的車輛、路旁的行人、行駛過程中遇到的障礙物、路上的交通標誌等,從而幫助下游模組做出正確合理的決策和行為。在一輛具備自動駕駛功能的車輛中,通常會配備不同類型的信息採集感測器,如環視相機感測器、雷射雷達感測器以及毫米波雷達感測器等等,從而確保自動駕駛車輛能夠準確感知和理解周圍環境要素,使自動駕駛車輛在自主行駛的過程中能夠做出正確的決斷。目
