2017上海中考正在进行中，我们先来看看2017的预录取数据，了解下2017年预录取的“牛娃”都去了哪些学校。

1、四校不负众望，四校分校毫不逊色，除了某东，全都上榜；

2、八大就是八大，老牌就是老牌，全都上榜（想起那句俗话，你大爷还是你大爷，至少牛娃们认可）；

3、新贵里面，曹二很亮眼，超过不少八大和分校，但进才的名次比较靠后；

4、南模排在了位育之后，暂时不知道怎么解释。欢迎留言补充。

说明：仅供参考，不保证准确。以人次计算。比如一人获得2个奖项，就取值2。假设牛蛙们都获得过以下奖励，而且都预录了，这个统计应该比较可靠。（话说不拿几个奖，也没预录的，不算牛蛙，当然极个别情形例外）

我们再来看看从2017年各区的预录取情况，分析下2017年的跨区流动情况。大家直接看区之间的偏好，对于2018届的考生可能所有帮助。

说明：第一行是初中所在区。第一列是预录学校所在区。

注：仅供参考，不保证准确，郊区不在范围，共计3904名学生。

文章家长帮社区@ 那么南

2017年是上海高考第一年“3+3”新模式下的高考，2018年的高考报名工作现在也全面启动，小编在前阵子刚刚整理了2017年上海高考录取相关的一些数据，今天来给大家分享一下，供新一年的高考生参考。

结论先行：

1、约5%的高三考生选择了在春考阶段升入大学；

2、上海的重点大学升学率名列全国前列，平均录取分达到526分；

3、重点大学主要招生计划7成分布在本地9所高校中，其中上大人数最多；

4、新高考改革第一年本地各高校录取分数并没有出现特别大的波动；

5、各高校投档线中外地高校的分数线普遍高于本地高校。

关于春考

在讨论“3+3”模式秋考之前，先说一句去年春考的数据，2017年春考总共23所高校招生，招生人数为2211人。由于春考的报名与1月份的学业考、英语一考同步进行，因此最终春考的实际报名人数并没有特别完整的数据。

2017高考整体数据

2017年上海高考总报名人数约4.7万人，其中本科院校招生人数约2.6万人，占比55%，也就是说大部分高考生都是可以升入本科院校的。

除此之外，985高校和211高校在上海招生人数分别约为2700人和6600人，占比分别达到5.9%和14%，也就是说上海2017年的高考生中有20%的人是可以升入985/211重点高校的。20%的重点大学升学率在全国来看仅次于天津地区位列第二，对于经历了非常残酷的小升初、中考选拔之后的上海高考生来说，高考的升学率其实还是非常可观的。

在分数方面，2017年上海高考不分文理、取消一本二本分数线，只设置了一条本科线——402分，而全国各985/211高校在上海的招生录取分数线平均分为526分，高出本科线124分。大家可以结合自己目前的分数来推算一下有多大的可能性可以升入985/211高校。

本地重点大学录取数据

全国985/211高校总计在上海招生约9000人，其中3/4的招生计划在本地的9所高校。（招生计划共分为：自招、综评、提前批、普通批、农村专项、艺术类、体育类）

其中本地的9所高校具体招生情况如下：

四所985高校总计招生人数达到了2772人，大部分为综评、提前批招生名额；

上财由于招生人数较少，同时又是财经类高校，分数线排名全国第10，上海第4；

上大作为以城市名命名的高校，在沪总计招生1633人。

高校投档分数线

985/211高校之外，小编特整理了上海和外地部分高校在2016年和2017年两年的投档线排位对比，仅供大家参考。通过下面两张表更加凸显了今年志愿填报整体还是呈现出一个相对稳定的态势。

几点说明：

1、2016年的排位以理科投档线为准，毕竟理科生较多，这个相对更有参考价值；

2、2017年的排位以各个专业组中分数线最低的专业组为准，投档线是该院校录取的末位考生的分数，因此选取分数最低的专业组相对更有参考价值；

3、排位差是指相比去年，今年的投档线排名差值，如：交大医学院去年投档线排位是第七，今年是第三，排位差=7-3=4。

分专业组分数线

我们再来细分到专业组来看一下数据：2017年上海高考本科普通批次，总共有990个专业组在上海进行招生，最终有75个专业组未有考生填报。小编在剩下的915个专业组中，拉取了投档线排名前100的高校专业组，其中来自上海的有11个高校的18个专业组，11个高校分别是：复旦大学、上海交大、交大医学、同济大学、复旦医学、上海财大、华东师大、上海外大、华东政法、华东理工、东华大学。

在投档线排名前100名的专业组中依然是以外地高校为主，一方面是外地高校在上海招生人数相对较少，另一方面是外地高校数量相对较多，所以导致了投档线相对较高（北大、清华在本科普通批次没有招生计划）。具体如下表（上海高校已标黄）：

专注于上海高考升学政策、名校招生信息、上海高校自主招生信息分享。

——上海高考生

一、山东省2018年各类控制线

我们对比山东省2018年和2017年的本科控制线可以知道，今年文科分数有大幅度的提升，从2017年的483分提高到2018年的505分，整整增加22分，这个幅度不可谓不大，真是难为今年的考生，赤裸裸的压力啊。

二、山东省2018年一批上海院校投档线

2018年上海院校在山东投档线排名前5的分别是：

文科：复旦662（最高分）656（最低分）

上海交通大学655（最高分）651（最低分）

上海财经大学651（最高分）647（最高分）

同济大学646（最高分）640（最低分）

华东师范大学643（最高分）637（最低分）

上海外国语大学643（最高分）638（最低分）

理科：

复旦688（最高分）685（最低分）

上海交通大学688（最高分）675（最低分）

上海财经大学675（最高分）664（最高分）

同济大学673（最高分）665（最低分）

华东师范大学656（最高分）645（最低分）

上海外国语大学651（最高分）640（最低分）

三、山东省2017年一批上海院校投档线

2017年上海院校在山东投档线排名前5的分别是：

文科：复旦645（最高分）640（最低分）

上海交通大学639（最高分）633（最低分）

上海财经大学639（最高分）628（最低分）

华东师范大学625（最高分）613（最低分）

同济大学624（最高分）618（最低分）

上海外国语大学620（最高分）612（最低分）

理科：

上海交通大学685（最高分）675（最低分）

复旦684（最高分）682（最低分）

同济大学675（最高分）657（最低分）

上海财经大学670（最高分）660（最低分）

华东师范大学659（最高分）638（最低分）

上海外国语大学656（最高分）635（最低分）

从位置上，对比2018年和2017年的投档线前6排名，我们可以看出，文科类的排名基本上不变，只是同济大学的华东师范大学的位置相互调换了一下，但是理科的变化却是非常大，除了第五第六的华东师范大学和上海外国语大学没变，其它都有所调整。

但是，我们知道，不管它们的位置如何变化，如果你想要进入这些学校，你都要比一般的本科线高出100多分，甚至是200多分，以最高的复旦大学为例，这两年它的文科始终是比本科线高160左右，而理科却要高250左右，这一点是基本不变的。

因此，同学们，你准备好了吗？

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！

每周2-3场免费数据领域公开课，每月线下活动，欢迎关注！

之前的一系列文章都讲了关于python的基础知识，接下来的一些内容会讲一讲可视化方面的内容。对于可视化而言，Python和R语言，我还是非常喜欢使用R语言的，因为用她作图既简介又高效。今天我们就分享一篇关于使用R语言抓取上海近7年天气数据案例。

先来看看，我们需要抓取的网站内容，如图所示：

红框中就是我们需要抓取的上海天气信息，包含日期、最高气温、最低气温、天气、风向和风力。而这些内容是可以在网页的源代码中查询得到，你可以按一下键盘中的F12快捷键，我以自己的Chrome浏览器为例，可以返回如下图所示的信息：

通过点击红框中的按钮，再回到左侧或上侧的原始网页，任意点击日期值或其他指标值，就会立刻返回如下图所示的内容：

发现没有，网页中8.1日的天气数据全都包含在ul这个标签内，而这个标签的父级标签是红框中的p标签。只要锁定这两个标签，就可以快速的将网页中天气数据抓下来。

知道如何从源代码中查询网页数据所在的标签，接下来只需要借助R语言的rvest包，就可以轻松抓数啦。关于该包，我先只介绍如下三个重要的函数：

html_session(url, ...)

读取并下载url源代码

html_nodes(x, css, xpath)

运用css标签抓取信息

html_text(x, trim = FALSE)

抓取的内容去标签化

下面就以2017年8月份上海天气链接为例，讲解上面的三个函数的应用原则：

url<- 'http://lishi.tianqi/shanghai/201708.html'

# 发送请求，并抓取源代码

library(rvest)

page<- html_session(url)

# 查看请求结果

page$response

# 根据标签抓取目标数据

info<- html_nodes(page, 'p.tqtongji2 >ul')

info

看见了吧，除了第一行是原始网页中的表头，第二行开始，就是我们需要的数据啦。接下来，通过html_text函数，将ul之类的标签去除即可。

# 去标签化

content<- html_text(info[-1])

content

红框中的内容就是去标签后的目标数据啦，而非红框部分的\t\n\r就是代表空白，接下来我们利用这些空白作为分隔符，将数据清洗干净。

library(stringr)

# 通过正则表达式\\s，将空白作为分隔符

cells<- sapply(content, str_split, '\\s', USE.NAMES = FALSE)

cells

你会发现，每一个日期对应的天气数据，在列表元素中所在的位置均一样，故可以通过索引获取指定的值。你可能会问，把这些空字符串删除，剩下的不就是需要的数据了吗？其实，我试过，但有错误，原因就是有些日期的指标值存在缺失。假如，8月1日，最高气温35度缺失，这个时候，第二个值及剩余的值都会往前挪一个位置，最终导致抓取下来的数据产生错位。

# 取出日期

date<-sapply(cells,'[',1)

# 取出最高温度

high<-sapply(cells,'[',15)

# 取出最低温度

low<-sapply(cells,'[',23)

# 取出天气

weather<-sapply(cells,'[',31)

# 取出风向

direction<-sapply(cells,'[',39)

# 取出风力

force<-sapply(cells,'[',47)

# 数据合并到数据框中

df<- data.frame(date, high, low, weather, direction, force)

head(df)

是不是很简单，这样就可以把2017年8月份的网页数据给抓取下来了，如果需要抓取历史更多的数据，只要改变抓取的URL链接即可。经过比对不同月份的URL发现，链接中http://lishi.tianqi/shanghai/201708.html的日期在变，其他部分都不变，所以，我们就可以通过循环的方式，生成这些有规律的URL。

# 生成爬取的链接

string<- 'http://lishi.tianqi/shanghai/'

urls<- NULL

for (year in 2011:2017){

for (month in 1:12){

if (month<10){

urls = c(urls,paste0(string,year,0,month,'.html'))

} else{

urls = c(urls,paste0(string,year,month,'.html'))

}

}

}

接下来，只需要通过循环的方式，抓取上面生成的这些链接即可。

# 从以上的每个链接中抓取天气的信息

tot_info<- data.frame()

for (url in urls){

# 发送请求并下载网页源代码

page = html_session(url)

# 根据源代码标签获取数据

info = html_nodes(page, 'p.tqtongji2 > ul') %>% html_text()

# 数据清洗--去除所有空格

info = sapply(info, str_split, '\\s', USE.NAMES = FALSE)[-1]

# 取出日期

date = sapply(info,'[',1)

# 取出最高温度

high = sapply(info,'[',15)

# 取出最低温度

low = sapply(info,'[',23)

# 取出天气

weather = sapply(info,'[',31)

# 取出风向

direction = sapply(info,'[',39)

# 取出风力

force = sapply(info,'[',47)

# 构建数据框

df = data.frame(date, high, low, weather, direction, force)

# 数据合并

tot_info = rbind(df, tot_info)

}

# 观察数据集前6行

head(tot_info)

很快，我们就抓取了上海近7年的天气数据，一共包含2422天的数据。接下来，你就可以照着上面的步骤，运用R语言实现数据的抓取啦。

下一期，我们会继续运用这个数据，通过ggplot2包实现数据的可视化，完成数据的探索性分析，期待你的加入和学习。

本文作者：天善智能社区 刘顺祥每天进步一点点2015

普通人要是能懂一点数据分析，可以有多厉害呢？这里先给大家讲个小故事。

有一天，我们老大从徐家汇赶去机场，上了一辆“大众”。师傅对他说，徐家汇我就喜欢做美罗大厦的生意。看到你从写字楼里出来的，肯定去的不近……

“哦?你很有方法嘛!”老大附和了一下。

“做出租车司机，也要用科学的方法。”师傅说。

“什么科学的方法?”

“要懂得统计。我做过精确的计算，我每天要开17个小时的车，每小时成本34.4元……”

“怎么算出来的?”刘润追问。

“你算啊，我每天要交380元给公司，一天17小时，平均每小时固定成本约22元;油费210元左右，平均每小时12.4元油费。加起来是不是就是 34.4元?”

老大当时就有些惊讶了。打了10年车，还是头一次听到出租车司机这么计算成本。然后后面的话，更是令我老大深感震惊。

“成本是不能按公里算的，只能按时间算。我做过数据分析，每次载客之间的空驶时间平均为7分钟。如果上来一个起步价，10元，大概要开10分钟。也就 是每一个10元的客人要花17分钟的成本，也就是9.7元。不赚钱啊！如果说做浦东、杭州、青浦的客人是吃饭，做10元的客人连吃菜都算不上，只能算是撒了些味精。”

“要用科学的方法做生意。天天等在地铁口排队，怎么能赚到钱？……一次一个人打车去火车站，问怎么走。他说这么这么走。我说慢，上高架，再这么这么走。他说，那就绕远了。我说，没关系，你经常走你有经验，你那么走50块，你按我的走法，等里程表50块了，我就翻表，多的算我的。最后，按我的路走，多走了4公里，快了25分钟，我只收了50块。乘客很高兴。这4公里对我来说就是1块多钱的油钱。我相当于用1块多钱买了25分钟。我一小时的成本34.4块，我多合算啊!”

“在大众公司，一般一个司机三四千，好的大概5千左右。顶级的司机大概每月能有7千。全大众两万个司机，大概只有两三个每月能拿到8千以上。我就是这中间的一个。而且很稳定，基本不会有大的波动。”

一个普普通通的出租车司机，竟然懂这么精彩的MBA知识，这就是数据分析的力量，它存在于我们生活，工作中的每一个角落。

如今无论哪个行业，都希望能用“数据”武装自己。数据分析技能也已经成为个人竞争力的重要组成部分。提高工作效率、发现数据背后的秘密、用数据指导工作……都是职场人学习数据技能的动力。

可惜的是，对于数据分析，90%的人不知道Ta有多重要、或者知道Ta重要但并不重视。只有极少数人真正在工作中重视Ta并且运用Ta。换句话说，如果你稍微懂一点数据分析的技能，那么你已经可以打败90%的人了。

怎么样？想不想现在有没有想懂一点数据分析了？

知己知彼,百战不殆;不知彼而知己,一胜一负;不知彼,不知己,每战必殆。

——《孙子·谋攻篇》

2018年上海市初中毕业统一学业考试已告一段落，新高一的学子们陆陆续续去新的校园报道，即将开始高中生涯，而尚在初中奋斗的同学们有想好报考哪所学校吗？是否清楚心仪学校的历年分数线和其变化的原因呢？黑板君这就带大家详细分析上海四校的分数线情况。

一、四校零志愿

四校零志愿16区的录取情况如上图所示。零志愿是统一招生录取批次里，市重点中学跨区招生的方式。从图中看到，四校零志愿录取线最高612.5分，最低573.5分。

上海中学在全市16个区都有投放计划，零志愿最高分为青浦区612.5分，最低为嘉定区588.5分，全区平均分约603分。

华二在全市16个区都有投放计划，零志愿最高分为闵行区605.5分，最低分为宝山区593.5分，全区平均分约599分。

复旦附中零志愿最高分为闵行区608.5分，最低分为嘉定区573.5分，全区平均分约595.5分。

交大附中零志愿最高分为闵行区604.5分，最低分为嘉定区591分，全区平均分约600分。

其实大家已经能看出，闵行区的学生们竞争非常激烈；而嘉定区相对的没有那么夸张，平时分数不错的学生都有机会（黑板君看到573.5分时都惊呆啦）。那么这就包含了填志愿的技巧与智慧了，切不可扎堆填报某一所四校，这样只会推高该校的分数线，容易掉到平行志愿。

二、四校平行志愿

四校及其分校中只有三所有平行志愿，它们是上海中学、复旦附中和交附嘉定。这几年交附嘉定的超高分数线大家有目共睹，另外两所是超一流的高中，人气自然不用说，无论总体是难还是容易，坚挺的分数线说明了一切！

上图是最近几年的这三所学校的分数线。以建平的分数线为参考，这三所学校的分数线一路走高。2013年和建平不相上下，有高有低。而2018年时，建平中学的分数线与5年前持平，其余三所都有不同程度的上涨，热门程度可见一斑。

三、四校提前批次

上海中考的普通高中录取有两个批次，为提前批和统一批，其中提前批次包含了推优生和自荐生，故提前批次招生也被称为自主招生。全市58所市重点均有提前招生的名额，总计占招生名额的40%，其中四校的提前招生名额已将近达到 50%。

2018自招数据整理自教育考试院。推优和自荐占到四校及其分校招生的50%左右，属于提前批中的第一录取顺序。四校分校的总招生比较少，所以自招人数也比本部要少上不少，由此也可以窥见这些名校的招生总人数。

一旦能成功取得该校的提前批次录取名额，那么在该年的中考时，考到提前批次的最低投档控制分数线以上即可，比如今年上海公布的提前招生录取线为不得低于530分。

如果是有能力通过自主招生的学生，那么相信530分一定不是问题，在此我们不讨论提前批次分数线，来看看四校对于自招学生有哪些要求？

（信息来源各校官网）

从上图可见，无论是推优还是自荐，四校都更愿意录取在市级、区级学科竞赛或创新大赛中取得奖项名次的学生。同学们在学有余力的情况下，可以多参加各类活动和竞赛，提升自身竞争力。

综上，自招（推优/自荐）这条渠道在四校及其分校的占比非常之大，而且没有区域的限制，是各位有志学生的首选。

文 coffee | 编辑 lemon

微信关注“自招小黑板”

加入黑板家长会

中商情报网讯：2017年上海市住宿和餐饮业实现零售额1025.39亿元，增长7.9%。平均房价上，2017年上海市星级酒店平均房价为713.1元/间天，与去年同期相比增长3.07%。2017年上海市星级酒店平均出租率为68.76%，与去年同期相比增长0.64%。整体看来，2017年上海市星级酒店平均房价相对去年来说是有所提高的，出租率发展趋势良好。进入到2018年，上海市酒店业发展情况如何呢？以下对上海市2018上半年平均房价以及出租率做了简要分析。

平均房价上，上海市星级酒店6月平均房价为749.97元/间天，与去年同期相比增长2.89%。整体来看，数据显示2017年7月-2018年6月上海市星级酒店平均房价相对上年来说是有所提高的，2017下半年，7-8月星级酒店与上月相比有大幅下降，9月房价开始回温。2017年12月-2018年2月上海市星级酒店平均房价基本维持稳定状态。2018年4月平均房价环比增长迅速，达797.32元/间天，为近一年来最高水平。

数据来源：中商产业研究院大数据库

2018年6月上海市星级酒店平均出租率为69.61%，与去年同期相比下降1.16%。2月平均出租率是近一年来上海市星级酒店平均出租率首次下降到50%以下，并且相比上一年出租率明显下降。3月出租率明显提高。3-6月星级酒店出租率整体保持稳定状态。

数据来源：中商产业研究院大数据库

按星级来分，2018年6月上海市五星级酒店出租率为72.58%，同比下降0.66个百分点，平均房价为980.36元/间天，与去年同期相比下降1.47%。四星级酒店出租率为68.52%，同比下降1.11%，平均房价为561.01元，增长4.91%。三星级酒店平均房价为399.04元，同比增长8.82%。二星级酒店出租率与去年相比增长1.06%，房价为334.41元，同比增长25.68%。

数据来源：中商产业研究院大数据库

以上材料及分析均来自中商产业研究院发布的《2018-2023年上海星级酒店行业市场前景及投资机会研究报告》。

近些年，互联网公司对数据分析师岗位的需求越来越多，这不是偶然。随着我国经济决策逐渐由盲目的“经验决策”转向“数据决策”，数据分析成为战略决策、投资决策必备的科学方法，以数据科学为依据，做正确的理性决策。

数据分析师的价值金字塔

一个完整的企业数据分析体系涉及到多个环节：采集、清理、转化、存储、可视化、分析决策等等。其中，不同环节工作内容不一样，消耗的时间和产生的价值也相差甚远。

上海数据分析网

数据分析师带来的价值

80%的政府机关、企事业单位会选择拥有专业数据分析师资质的专业人士为他们的项目做出科学、合理的分析、以便正确决策，避免走弯路。

90%的风险投资机构把数据分析师所出具的数据分析报告作为其判断项目是否可行及是否值得投资的重要依据。

95%的高等院校和教育机构把数据分析师课程作为其中高管理层及决策层培训计划的重要内容。

数据分析应用落地案例

众多行业及工作都能够从数据流处理方案中获得助益。数据流能够通过管理数据实时变化迅速建立起形势判断，并帮助企业以最快速度收集来自传感器(包括GPS与温度计等)、摄像头、新闻消息、卫星、股票行情、网络爬虫、服务器日志、Flume、Twitter、传统数据库甚至是Hadoop系统的数据，最终将其转化为能够提升企业业绩的决策工具。

上海数据分析网

数据分析方面的应用

1、沃尔玛的搜索

这家零售业寡头为其网站Walmart自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。

2、电信运营商

电信运营商能够深入了解客户行为并提供定制化服务(例如基于位置的服务、优惠政策及产品建议等)，并分析客户的忠诚度、喜好及需求变化趋势。以此为基础，运营商将能够改进计费标准、提升服务质量、改善安全性并控制欺诈活动。

数据分析师有木有用？当然很有用！数据分析师不仅在未来发展中占重要位置，各大企业正在争先恐后设立数据部，数据分析的价值日益凸显，在各个领域将会发挥它无可替代的作用。

记者昨天从工信部组织的“大数据和实体经济深度融合高峰论坛暨2018大数据产业发展试点示范项目发布会”上获悉，使用上海原创技术的“通用拟态大数据平台”，入选工信部2018年大数据产业发展试点示范项目，将为我国在大数据分析挖掘领域实现高效能、高安全提供国际原创技术路径。

当前，我国正在实施大数据战略。随着各行各业积累数据量的增加，数据处理的复杂性、系统能耗、数据安全等挑战随之凸显。“数据大”转换为服务经济社会发展的“大数据”难度，与数字经济蓬勃发展的强劲需求形成反差。如何消除这种反差？中国工程院院士、国家数字交换系统工程技术研究中心主任邬江兴认为，通用拟态大数据平台能提供解决方案。

“通用拟态大数据平台”由上海红神信息技术有限公司、上海红阵信息技术有限公司、复旦大学等单位牵头研制。“拟态大数据”源自“拟态计算”，后者则源自一种动物——拟态章鱼。它能通过扭曲肢体、改变颜色，模仿十几种动物的外表和行为。受此启发，邬江兴提出了研发拟态计算机的构想：计算结构动态可变，适应各种不同应用，以提高计算机效能。在科技部和上海市科委支持下，他带领团队耗时6年，研制出世界首台拟态计算机原理样机。2013年，这项成果入选两院院士评选的“2013年中国十大科技进展”。

2015年，“拟态安全”作为重大战略项目，写入上海科创中心建设“22条意见”。从那以后，拟态计算和拟态安全技术得到市科委、市经信委的更大支持。研发团队将其应用于大数据领域，并牵头成立了全国首个“大数据试验场”联盟，建设引领学术、技术、应用、产业发展的创新策源平台。“大数据试验场”的建设运营，为通用拟态大数据平台此次入选国家示范项目打下了基础。目前，来自试验场的成果正在嘉兴审计系统全面上线应用。

邬江兴表示，与国内外大多数大数据产品不同，通用拟态大数据平台打破了立足于通用计算资源与开源架构的堆叠技术路线，一改数据安全和业务安全领域普遍采取的“外挂式”被动防御策略，引入国际原创的拟态计算和拟态防御理论，从根本上突破体系架构单一性束缚，提高了数据处理与存储效率。通用拟态大数据平台能适应当前“有毒带菌”的网络空间生态，以一体化鲁棒构造产生的内生安全机制，推动该平台形成“自身免疫力”，完成系统整体的升级换代。

据悉，通用拟态大数据平台的建设目标是研制面向大数据处理场景、软硬件深度耦合、节能高效和安全可靠的大数据标准化装备，探索建立自主可控的大数据基础设施，为数据获取、存储、分析、运用等环节提供安全高效的解决方案。（记者 俞陶然）

一、上海市普通高等学校秋季招生本科各批次录取控制分数线

2018年上海市普通高等学校秋季招生本科各批次录取控制分数线

（注：本市高考本科成绩满分为660分）

2017年上海市普通高等学校秋季招生本科各批次录取控制分数线：

批次 分数（3+3科目）

本科录取控制分数线 402

自主招生控制分数线 501

（注：上海市高考本科成绩满分为660分）

2016年前上海市实行的是3+1科目，满分为600分，因此没有可比性，但是从2017年和2018年的控制线来看，基本上是没有变化的，非常稳定。我觉得这样的控制线，如果在招生名额也不变的情况下，对考生来说，填报志愿应该是相对容易一些的。

二、2018年上海院校最低投档线

三、2017年上海院校最低投档线

注：每个高校对应的后面括号里的数字就是对应的专业组，专业组的意思是针对小三门不同的选科要求来设定的，比如：复旦大学（1）是选科要求为物理或化学；复旦大学（2）则是不限选科科目的。

四、数据分析

1、热门院校：投档线排在前100的有来自上海的有11个高校的18个专业组，11个高校分别是：复旦大学、上海交大、交大医学、同济大学、复旦医学、上海财大、华东师大、上海外大、华东政法、华东理工、东华大学。

2、投档分数

从以上的表格，我们可以清楚地看到，虽然17年和18年的本科控制线是持平的，但是他们的投档线却基本上是呈现普涨的格局，其中复旦医学、交大医学和健康医学等院校的涨幅都在10分以上。

3、招生计划

本土倾向性明显：上海院校在上海本土的招生计划可以说占很大的比重，其中计划数过百的有同济大学、上海交通大学、上海财经大学、华东师范大学、上海外国语大学、华东政法大学、华东理工大学等。看到这样的招生计划，我想可能其他省份的考生是不是已经哭倒在厕所了呢？实在是有点不公平。