江苏物流管理信息系统自考考试大纲(14388免费下载)

1.系统地掌握物流信息系统的基本理论、基本方法、基本模型,包括概念、特征、分类、模型及规律;

3.理解和掌握物流管理中需求预测、物流系统决策的基本模型和方法,提高分析问题和解决问题的能力。

4.培养学习兴趣,在今后的工作中能够运用所学知识参与企业的经营与管理。

Ⅱ课程内容与考核目标

第一章现代物流与物流信息化

一、考核知识点

(一)现代物流概述

(二)物流信息化

二、考核要求

识记:①现代物流的概念;②现代物流的特征。领会:①现代物流的分类。

识记:①信息技术的含义;②企业信息化目标。领会:①物流信息化的作用。

第二章物流系统的信息资源与信息模型

(一)系统的整体性原理与信息方法

(二)物流系统及评价指标

(三)物流的信息资源

(四)物流系统的信息流

(五)物流系统的信息分析

(六)物流系统的信息模型

(七)现代物流管理方法的信息模型

(一)系统的整体性原理与信息方法识记:①系统的定义。

识记:①物流系统的组成要素。

应用:①物流系统的内部评价指标。

识记:①信息资源的定义;②数据的定义;③物流信息的特点。领会:①数据和信息之间的关系;②信息资源的特征。

应用:①数据、信息和知识三者的关系

(四)物流系统的信息流识记:①信息流的定义。

领会:①订单管理;②企业间物流信息共享的层次。

(六)物流系统的信息模型识记:①信息模型的定义。

(七)现代物流管理方法的信息模型识记:①准时制定义。

第三章物流系统的基础信息技术

(一)条码技术

(二)无线射频识别技术

(三)定位与跟踪技术

识记:①一维条码定义及基本术语;②条码阅读器的种类;③二维条码的含义及特点。

领会:①全球位置编码定义。

识记:①无线射频识别技术的组成;②电子标签的含义及优点。领会:①RFID分类。

识记:①地理信息系统的概念及组成。

领会:①GIS在物流中应用的方式;②卫星定位系统及组成。应用:①卫星定位系统在物流中的应用。

第四章物流信息系统的功能、结构与能力

(一)物流信息的处理与分类

(二)物流信息处理的分类

(三)物流信息系统的定义、特征

(四)LIS的功能

(五)物流信息系统的组成要素与结构

(六)物流信息系统的分类与资源关联

(七)物流信息系统的能力

(一)物流信息的处理与分类识记:①物流信息处理的定义。

领会:①物流信息处理的活动;②物流信息处理基本要求。

(二)物流信息处理的分类领会:①物流信息处理分类。

识记:①物流信息系统的定义及特征。

识记:①信息资源共享平台的关键特征。领会:①LIS的基本功能。

(五)物流信息系统的组成要素与结构识记:①物流信息系统的组成要素。

领会:①信息系统的软硬件结构。

应用:①物流信息系统的分类与资源关联。

识记:①物流信息系统的能力。

第五章物流信息资源及其共享

(一)物流信息资源的组成

(二)物流信息资源的结构

(三)物流信息资源共享及其模式

(四)信息共享基础:编码模型

(五)信息共享基础:电子数据交换

(六)组织模式对物流信息资源共享的影响

识记:①数据库系统的概念、层次及特征。

领会:①数据仓库的基本概念、特征及结构。(二)物流信息资源的结构

领会:①物流信息化的层次结构。

(三)物流信息资源共享及其模式识记:①物流信息共享伙伴。

领会:①信息共享模式。

识记:①编码的定义及分类;②编码模型设计原则。

(五)信息共享基础:电子数据交换识记:①电子数据交换定义。

领会:①EDI和LMIS的关系。

(六)组织模式对物流信息资源共享的影响领会:①物流联盟分类。

第六章物流企业资源计划与电子商务

(一)物流企业资源计划

(二)物流ERP的主要子系统

(三)物流电子商务系统

(四)物流企业ERP系统与物流EC系统的关系

识记:①物料需求资源计划的定义;②制造资源计划定义。

识记:①物流资源计划子系统;②订单管理子系统的主要功能;③仓储管理子系统的功能。

领会:①配送管理子系统的功能;②运输管理子系统的功能。

识记:①物流电子商务模式;②公共服务子系统的功能。领会:①物流电子商务的分类;②物流电子商务结构。

(四)物流企业ERP系统与物流EC系统的关系(本节内容不作考核要求)第七章物流决策的支持模式

(一)物流决策

(二)以模型驱动的物流决策支持模式

(三)以数据驱动的物流决策支持模式

(四)以商务智能技术驱动的物流决策支持模式

(五)以知识驱动的物流决策支持模式

(六)以物流收益管理驱动的物流决策支持模式

识记:①决策的定义;②物流决策分类。

领会:①物流决策活动;②物流决策活动的主要内容。

(三)以数据驱动的物流决策支持模式识记:①企业的主要数据资源。

领会:①数据资源驱动的主要技术。

识记:①商务智能的主要技术;②数据挖掘的定义。领会:①数据挖掘的功能和方法。

识记:①知识资源的定义;②专家系统定义及组成。领会:①知识库;②知识管理系统。

应用:①知识资源的特点。

(六)以物流收益管理驱动的物流决策支持模式识记:①收益管理。

领会:①收益管理需求分析;②收益管理系统的主要技术。第八章物流信息系统的战略与开发管理

(一)物流信息系统战略的基本概念

(二)物流信息系统战略规划

(三)物流信息系统战略的关键成功因子

(四)物流信息系统开发过程

(五)信息系统的开发方式与选择

(六)物流信息系统开发的风险与过程管理

识记:①信息战略的定义;②信息系统战略的定义。

领会:①商业智能;②信息系统的应用。应用:①物流信息系统的战略框架。

识记:①物流信息系统战略规划的基础。

应用:①物流信息系统战略的关键成功因子。(四)物流信息系统开发过程

识记:①物流信息系统的开发过程。

(五)信息系统的开发方式与选择识记:①物流信息系统的开发方式。

领会:①物流信息系统不同开发方式的主要风险与问题。

(六)物流信息系统开发的风险与过程管理识记:①物流信息系统开发的主要风险。

领会:①物流信息系统开发风险的主要原因。

Ⅲ有关说明与实施要求

为使本大纲的规定在个人自学、社会助学和考试命题中得到贯彻和落实,兹对有关问题作如下说明,并进而提出具体要求。

一、关于考核目标的说明

为使考试内容具体化和考试要求标准化,本大纲在列出考试内容的基础上,对各章规定了考核目标,包括考核知识点和考核要求。明确考核目标,使考生能够进一步明确考试内容和要求,更有目的地系统学习教材;使社会助学者能够更全面地有针对性地分层次进行辅导;使考试命题能够更加明确命题范围,更准确地安排试题的知识能力层次和难易度。

本大纲在考核目标中,按照识记、领会、应用三个层次规定其应达到的能力层次要求。三个能力层次是递进等级关系。各能力层次的含义是:

识记:能知道有关的名词要点、概念、知识的意义,并能正确认识和表达,是较低层次的要求。

领会:在识记的基础上,能全面把握基本概念、基本原理、基本方法、能掌握有关概念、原理、方法的区别与联系,是较高层次的确要求。

应用:是指在领会的基础上,能用学过的一、二个知识点分析和解决简单的问题。

二、关于自学教材

本课程使用教材为:《物流信息系统》(第3版),蔡淑琴、夏火松、梁静

编著,中国物资出版社,2010年。

三、自学方法指导

1.在全面系统学习的基础上掌握基本理论、基本知识、基本方法。本课程内容涉及物流信息系统的各个方面,知识范围广泛,各章之间既有联系又有很大区别,甚至有的还有相对独立性。考生应首先全面系统地学习各章,记忆应当识记的基本概念、名词,深入理解基本理论,弄懂基本方法的内涵;其次,要认识各章之间的联系,注意区分相近的概念和相类似的问题,并掌握它们之间的联系;

再次,在全面系统学习的基础上掌握重点,有目的地深入学习重点章节。2.重视理论联系实际,结合我国当前物流行业发展的实践进行学习。

四、对社会助学的要求

1.社会助学者应根据本大纲规定的考核内容和考试目标,认真钻研指定教材,明确本课题与其他课程的不同特点和学习要求,对考生进行切实有效的辅导,引导他们防止自学中的各种偏向,把握社会助学的正确导向。

2.要正确处理基础知识和应用能力的关系,努力引导考生将识记、领会同应用联系起来,把基础知识和理论转化为应用能力,在全面辅导的基础上,着重培养和提高考生的分析问题和解决问题的能力。

3.要正确处理重点和一般的关系。课程内容有重点和一般的区别,但考试内容是全面的,而且重点与一般是相互联系的,不是截然分开的。社会助学者应指导考生全面系统地学习教材、掌握全部考试内容和考试知识点,在此基础上再突出重点。总之,要把重点学习同兼顾一般结合起来,切勿孤立地抓重点,把考生引向猜题押题。

五、关于命题考试的若干要求

1.本课程的命题考试,应根据本大纲所规定的考试内容和考试目标来确定考试内容和考核要求,不要任意扩大或缩小考试范围,提高或降低考核要求,考试命题是覆盖到各章,并适当突出重点章节,体现本课程的内容重点。

2.课程在考试试题中对不同能力层次要求的分数比例,一般为:识记占40%,领会占30%,应用占30%。

3.试题要合理安排难度结构。试题难易度可分为易、较易、较难、难四个等级。每份试卷中,不同难易度试题的分数比例,一般为易占30%,较易占30%,较难占30%,难占10%。必须注意,试题的难易度与能力层次不是一个概念,在各能力层次中都会存在不同难度的问题,切勿混淆。

4.本课程考试试卷中可能采用的题型有:单项选择题、多项选择题、填空题、名词解释题、简答题、论述题。各种题型的具体样式可参见本大纲附录。

附录题型举例

一、单项选择题

1.企业基层管理者要解决的决策问题大多是()

A.管理决策B.非结构化决策C.半结构化决策D.结构化决策

参考答案:D

二、多项选择题

1.按编码的基本结构分,常见的编码结构有()

A.顺序码B.块码C.层次码D.特征码E.数字码

参考答案:ABCD

三、填空题

1.条码阅读器包括光电扫描器和。参考答案:译码器

四、名词解释题

1.专家系统

参考答案:专家系统是一个具有智能特点的计算机程序,它的智能化主要表现为能够在特定的领域内模仿人类专家思维来求解复杂问题。

五、简答题

1.简述数据挖掘的功能参考答案:

①自动进行统计分析;②自动预测趋势和行为;③关联分析;④聚类;⑤概念描述;⑥偏差检测。

六、论述题

1.试述物流信息系统的组成要素参考答案:

①硬件,包括计算机、必要的通信设施等,是实现物流信息系统的基础。

②软件,一般分为系统软件、实用软件和应用软件。

③信息资源,主要包括数据文件的结构和数据库的模型、数据仓库的模型、知识库的模型,以及存储在其中的数据、信息、知识,是实现信息系统的基础。

系统设计人员、程序设计员、系统维护人员等。

⑤企业管理制度与规范。

⑥管理思想、理论与方法。

自考生题库

专业智能,巩固提分

历年真题

真题全景再现

进入做题

模拟考场

海量题随机做

考前点题

部分科目押题

章节练习

章节专项突破

错题收纳

试题收藏复习

易错题

高频易错习题

网课试听

教材大全

做题闯关

温馨提示:本网站所提供的考试信息仅供考生参考,考试政策请以权威部门公布的正式信息为准。

THE END
1.数据挖掘类文章属于什么类型mob64ca12e83232的技术博客2. 数据预处理 在进行数据挖掘之前,我们需要对数据进行预处理,包括处理缺失值和类别变量的转换。 # 检查缺失值print(data.isnull().sum())# 处理缺失值(示例:用均值填充)data['年龄'].fillna(data['年龄'].mean(),inplace=True)# 将性别转换为数值编码data['性别']=data['性别'].map({'男':0,'女https://blog.51cto.com/u_16213397/12827058
2.数据挖掘之七种常用的方法经管文库(原现金交易docx 203.39 KB0个论坛币 GDP和人均GDP平减说明.xls 27 KB0个论坛币 关键词:数据挖掘 https://bbs.pinggu.org/thread-13312809-1-1.html
3.机器学习找不到创新点?三种特征选择的方法包你拿下顶会!文章介绍了一种新的特征选择框架shap-select,该框架通过在验证集上对目标变量与原始特征的SHAP值进行线性或逻辑回归,并根据回归系数的符号和显著性水平来实现高效的特征选择。在Kaggle信用卡欺诈数据集上的评估表明,shap-select在解释性、计算效率和性能方面均表现出色。 https://www.bilibili.com/read/cv40067807
4.数据挖掘研究(精选十篇)数据挖掘主要是在复杂的数据库中寻找自己有用的信息,以往的信息搜索需要采取手工分析的方式,如今通过数据挖掘可以快速的将符合数据本身的数据找出来;二是关联分析。关联性就是事物之间存在某种的联系性,这种事物必须要在两种以上,数据关联是在复杂的数据中存在一类重要的可被发现的`知识;三是概念描述。概念描述分为特征https://www.360wenmi.com/f/cnkey7ouwjk5.html
5.数据处理方式论文12篇(全文)数据处理方式论文 第4篇 1化工原理实验的特点 化工原理主要是指化工类以及与化学试验相关的技术基础,并在此基础上实现与工程实践的充分结合。在化学原理试验项目构建中,化工原理的课程较为重要,实践性的内容也相对较强,核心目的是实现高素质人才的培养,并使学生在学习中,帮助学生巩固化工原理,强化学生的化学素养。 同https://www.99xueshu.com/w/ikey5prh5bad.html
6.《传媒观察》主流媒体新闻海报传播撒于哪些变量本研究首先对每一张新闻海报进行编码,并将多海报微博的新闻海报各指标进行合并,最终传播效果分析单位为单条微博。 2.视觉框架相关变量的测量方式 本研究中,新闻主题和图文组成情况两个变量采用人工编码方式。招募3位北京师范大学珠海校区本科生(一男两女)作为编码员对清洗后的3302张新闻海报(以及对应的1111条微博)进行https://www.yangtse.com/zncontent/3549911.html
7.AI人工智能预处理数据的方法和技术有哪些?腾讯云开发者社区数据转换可以通过以下几种方式进行: 特征缩放:特征缩放是指将特征值按比例缩小或放大,以便它们具有相同的数量级。这可以减少特征值之间的差异,提高模型的性能。 特征编码:特征编码是将分类特征转换为数值特征的过程。这可以使分类特征可以被机器学习算法处理。 https://cloud.tencent.com/developer/article/2286934
8.数据挖掘的变量类型有哪些帆软数字化转型知识库名义变量的特点是各个类别之间没有内在的顺序或大小关系,这使得它们在统计分析中通常以哑变量的形式进行处理。哑变量是一种二进制编码方式,用于将名义变量转换为数值数据,以便在数据挖掘算法中使用。比如,在一个性别分类问题中,可以将“男”编码为0,“女”编码为1。名义变量在分类任务中起到关键作用,通过分析不同https://www.fanruan.com/blog/article/595687/
9.2018年全国邮政科技创新成果公示公示期间,有关单位和个人可从中国邮政集团公司OA系统《科技园地》栏目查阅、下载《全国邮政企业科技创新成果评审办法(试行)》,根据有关规定对评审结果提出异议,并通过信函、电话、电子邮件等方式向集团公司科技创新成果评审委员会办公室反映。通信地址:北京市西城区金融大街甲3号中国邮政集团公司,邮政编码:100808,联系电话http://www.chinapost.com.cn/xhtml1/report/190673/5624-1.htm
10.数据挖掘实践(金融风控):金融风控之贷款违约预测挑战赛(上篇)[xg赛题以金融风控中的个人信贷为背景,要求选手根据贷款申请人的数据信息预测其是否有违约的可能,以此判断是否通过此项贷款,这是一个典型的分类问题。通过这道赛题来引导大家了解金融风控中的一些业务背景,解决实际问题,帮助竞赛新人进行自我练习、自我提高。 https://xie.infoq.cn/article/4d588ac3a87184aaf67ae0a2a
11.用python3教你任意Html主内容提取功能python我们可以发现,这两种库还是有一些区别的: 1. 参数的构建:urllib需要对参数进行urlencode编码处理,比较麻烦;requests无需额外编码处理,十分简洁。 2. 请求发送:urllib需要额外对url参数进行构造,变为符合要求的形式;requests则简明很多,直接get对应链接与参数。 3. 连接方式:看一下返回数据的头信息的“connection”,使用https://www.jb51.net/article/150188.htm
12.机器学习中最常使用的10种数据编码方式机器学习中最常使用的10种数据编码方式 大家好,在机器学习中,很多算法都需要我们对分类特征进行转换(编码)。 为了方便讲解,下面创建示例DataFrame 数值型数据 让我们先来讨论连续型数据的转换,也就是根据Score列的值,来新增一列标签,即如果分数大于90,则标记为A,分数在80-90标记为B,以此类推。https://blog.csdn.net/qq_34160248/article/details/124292890
13.基于四元数的卷积核编码方式研究利用四元数理论可以很好的描述3D空间的几何变换。3D空间的几何变换共有三种形式:平移,膨胀和旋转。 (1) 平移:坐标x和y为两个纯虚四元数,三个虚轴可以编码到3D空间的三维向量。那么x、y的和:[x+y],即是坐标x在3D空间通过坐标y的偏移,类似于2D空间的向量相加方式。 https://www.fx361.com/page/2017/1211/2552482.shtml
14.的知识编码工具有()。A.群件B.知识仓库C.知识地图D.数据挖掘百度试题 题目知识编码工具的作用就在于将这些知识有效地分类、存储并且以简明的方式呈现给使用者。常用的知识编码工具有()。A.群件B.知识仓库C.知识地图D.数据挖掘 相关知识点: 试题来源: 解析 B,C 反馈 收藏 https://easylearn.baidu.com/edu-page/tiangong/bgkdetail?id=9d70fbf3f705cc17552709a8&fr=search
15.《数据挖掘导论实验》课程教学大纲9.提交日期及内容:在截止日期之前,每组提交书面实践报告1份,提交电子文档有:数据文档、数据说明文档、实践报告文档、数据挖掘技术报告、PPT发表文档。由各班负责人统一收交。 九、使用的主要仪器设备说明 十、主要消耗材料 无。 十一、考核方式及成绩评定 https://somex.nwpu.edu.cn/info/1012/1113.htm
16.《2020疫情数据报道分析报告》澎湃号·湃客澎湃新闻本研究以新冠疫情期间(2020年1月1日至8月31日)澎湃新闻“湃客·有数”栏目中入驻湃客号所刊发的425篇数据新闻,与澎湃“美数课”、财新网“数字说”、新华网“数据新闻”和网易“数读”发布的140条数据新闻为样本,对其进行编码分析。并将之与同期“湃客·镜相”“湃客·眼光”发布的疫情报道进行栏目间对比,https://www.thepaper.cn/newsDetail_forward_9182883
17.数据可视化的应用都有哪些?而在科学领域和社会领域,数据可视化的潜力有待进一步开发。这还有很长的路要走。 然后我们给大家介绍一下数据可视化在政治和社会领域中的应用,我们举一个例子,在美国在总统大选期间采用数据可视化新闻报道方式,有个英国的报纸分析官方公开的文件中相关数据,展开针对议员花销的调查性报道,推动了公共新闻的发展,充分发挥https://dl.cnoubao.cn/zsbk/202412-8694.html
18.Web日志安全分析浅谈4.无恶意webshell访问记录,刚才我们采用的方法是通过“webshell”这个文件名从日志中找到恶意行为,如果分析过程中我们没有找到这么一个恶意webshell访问,又该从何入手寻找攻击者的攻击路径呢? 5.分析过程中我们还使用恶意行为关键字来对日志进行匹配,假设攻击者避开了我们的关键字进行攻击?比如使用了各种编码,16进制、Bashttps://xz.aliyun.com/t/1121/
19.数据治理:元数据及元数据管理策略方法和技术数字化时代,企业需要知道它们拥有什么数据,数据在哪里、由谁负责,数据中的值意味着什么,数据的生命周期是什么,哪些数据安全性和隐私性需要保护,以及谁使用了数据,用于什么业务目的,数据的质量怎么样,等等。这些问题都需要通过元数据管理解决,缺乏有效的元数据管理,企业的数据资产可能会变成拖累企业利润的“包袱”。 https://maimai.cn/article/detail?fid=1764226521&efid=pZndI-4jw66BTIK70mfYmQ
20.[转载]一种基于深度神经网络的临床记录ICD自动编码方法Zeng M等人使用在不同的医疗数据集中进行迁移学习的方式,并引入多尺度卷积神经网络,实现较好的自动ICD编码能力。Mullenbach J等人仅使用MIMIC-III数据集的非结构化文本将卷积神经网络与标签注意力机制结合在一起,实现了自动ICD编码的最佳性能。 2.2 图卷积神经网络https://blog.sciencenet.cn/blog-3472670-1280973.html