【摘 要】
：
后疫情时代背景下,现代信息技术被广泛应用到各行各业,互联网经济、数字经济和平台经济快速发展,新技术、新业态催生出多种新型就业形态并逐渐繁荣。灵活就业作为新的非标准就业模式,在后疫情时代逐步成为高校毕业生就业的一种重要形式。越来越多的高校毕业生主动选择新型的灵活就业形式投身人力资源市场,加强高校毕业生新业态灵活就业特点和问题的研究,及时出台更有针对性、实效性的灵活就业政策意义重大。
【基金项目】
：
上海市2019年度“阳光计划”项目《大中小生涯教育一体化视角下的高校师范生生涯教育课程建设研究》（19YG54）；
论文部分内容阅读
后疫情时代背景下,现代信息技术被广泛应用到各行各业,互联网经济、数字经济和平台经济快速发展,新技术、新业态催生出多种新型就业形态并逐渐繁荣。灵活就业作为新的非标准就业模式,在后疫情时代逐步成为高校毕业生就业的一种重要形式。越来越多的高校毕业生主动选择新型的灵活就业形式投身人力资源市场,加强高校毕业生新业态灵活就业特点和问题的研究,及时出台更有针对性、实效性的灵活就业政策意义重大。
其他文献
长链非编码RNA（lncRNA）在许多生物的生命活动中起着非常广泛的调节作用,例如染色质修饰,细胞的分化和增值,RNA的进展和细胞凋亡等。lncRNA-蛋白质相互作用在转录后基因调控中起着重要的作用,例如剪接、翻译、信号转导和复杂疾病的进展。传统的研究过程包括靶点识别、生物大分子的发现、临床前研究、临床研究以及审批,而计算机模拟的方法则具有耗时短,成本低的优势。在本文中,采用了深度学习中的图卷积神
信息技术的快速发展,促进了各行各业产业结构的调整。在农业生产方面,信息化技术也扮演着越来越重要的角色。我国是一个人口大国,民以食为天,农业的健康发展直接关系着14亿人民的餐桌质量。智能农业大棚作为一种重要的农业生产模式之一,有效提高了大棚管理水平和农作物生长水平,是一种提高土地利用率、解决人多地少矛盾的有效方式。可以预见的是基于无线传感器网络技术的智能农业大棚是未来很长一段时间内农业大棚发展的新趋
在轧制工业领域内衡量轧制产品质量一项重要指标就是带钢出口厚度,多年来,我国钢铁在生产方面、消费方面、出口方面始终排在世界第一位,因此对带钢厚度预测的不准确不仅会影响钢材质量,还会对生产钢材的原料产生不可估量的浪费,从而对社会经济造成一定的损失。目前智能控制方法在钢铁轧制领域应用相对较少,并且对带钢厚度精度预测不够高,加上影响带钢出口厚度的因素又非常多,而这些因素对其影响呈非线性变化且程度也各不相同
无线传感器网络（wireless sensor networks,WSN）是由大量微型传感器节点部署在目标监测区域内组成的,通过无线通信形成的多跳自组织的网络系统。人类的生存离不开拥有如此丰富生态资源的森林,无线传感器网络通过高效便捷的方式对林区的温湿度、有害气体浓度信息进行实时监测,对保护自然气候与生物共存有着非常重要的意义。然而,现实中林区环境监测存在许多影响着传感器节点在数据传输时丢包的现象
随着现在人工智能产品的普及,语音技术受到越来越多技术人员的关注。变声系统正是应用了深度学习的语音技术。对于现存的变声系统来说,大多数没有考虑到使用过程中噪声对于变声性能的影响。然而噪声在变声系统的使用过程中是不可忽视的影响因素。目前降噪的方法很多,但是神经网络的模型大小很容易超过数百兆字节,从而限制了其在变声系统中的适用性。本文将采用一种轻量级的全卷积的神经网络（FCNN）来改进带有”瓶颈”的自动
在大数据和人工智能盛行的今天,如何高效地在大量的数据中挖掘出用户感兴趣的商品、音乐等项目是推荐系统的主要任务。现如今,用户的个性化推荐在诸多领域都发挥着不可忽视的作用,例如电子商务网站将收集到的众多用户的浏览、购买、评价等历史记录数据加以挖掘、分析进而预测用户可能感兴趣的商品来将其推荐给用户;在线音乐平台同样也可以根据用户收听、收藏、喜爱的音乐类型风格等数据分析用户感兴趣的作品来进行推荐。当前推荐
《中国制造2025》行动纲领的提出,标志着我国进入到工业人工智能阶段。工业物联网是推动传统工业制造和生产实现信息化、智能化的核心技术,区别于其他物联网应用技术,它具有高实时性,高可靠性的特点。传统的解决方法是将信息处理和业务决策等任务放置到云端进行计算,然而,随着工业设备的数量逐渐增加,传统的云计算模式存在高时延等问题,不能满足工业现场实时任务的处理要求。因此,边缘计算作为一种有效的方法被广泛使用
在大数据和人工智能盛行的今天,如何高效地在大量的数据中挖掘出用户感兴趣的商品、音乐等项目是推荐系统的主要任务。现如今,用户的个性化推荐在诸多领域都发挥着不可忽视的作用,例如电子商务网站将收集到的众多用户的浏览、购买、评价等历史记录数据加以挖掘、分析进而预测用户可能感兴趣的商品来将其推荐给用户;在线音乐平台同样也可以根据用户收听、收藏、喜爱的音乐类型风格等数据分析用户感兴趣的作品来进行推荐。当前推荐
随着多媒体和互联网技术的融合发展,短视频以其时长短、内容精练等特点获得广大用户的喜爱。自2010年开始,短视频开始逐渐出现在人们的视野当中,短时间内立刻吸引了大量用户的关注,与短视频相关的话题数据持续增长,成为了当下互联网最为主要的流量入口之一。与之相呼应,研发并应用短视频推荐算法成为各大网络平台吸引用户的重要方式。个性化推荐算法就是根据每个用户的基本信息以及社交信息等,推测出每个用户的不同偏好,
随着移动互联和大数据的飞速发展,互联网即将从Web2.0时代迈入Web3.0时代,这意味着互联网每日产生的数据量将不断暴涨,“信息过载”问题愈发严重,用户如何在海量数据中得到想要的信息成为当下亟待解决的难题。推荐技术的发展与普及很大程度上缓解了该难题,通过分析用户历史数据获取其喜好从而进行推荐。籍此,该技术迅速在学术界和工业界盛行并应用于诸多领域。目前,越来越多研究者致力于研发各种优良的推荐算法,