头歌实践教学平台网址（头歌实践教育平台）

导语

Python由于其良好的解释性、编译性以及互动性特征，在近年爆火的大数据分析与挖掘领域得到广泛应用。广西民族师范学院黄恒秋教学专家及其教学团队精心研究设计后，巧妙地将教产结合，基于配套教材《Python大数据分析与挖掘实战(微课版)》和相关课程设计、竞赛作品，打造了《Python大数据分析与挖掘实战》线上实践课程，近日正式上线头歌实践教学平台供广大师生学习和应用！

课程网址：

https://www.educoder.net/paths/3243

欢迎各界学习者前来学习！

一、理论与实践课程

课程简介

本课程基于2020年11月人民邮电出版社出版的《Python大数据分析与挖掘实战：微课版》教材及配套资源开发而成，内容包括Python编程基础、科学计算、数据处理、可视化、机器学习、深度学习，以及在金融、地理信息、地铁交通、文本、图像、GUI应用系统开发等主要领域应用案例，是学习Python大数据分析与挖掘应用的极佳选择。

课程重点介绍了如何学习Python数据分析技能和应用于具体领域的方法，课程内容主要由基础知识点讲授、实验闯关和综合实训三部分构成，具有较强的工程实践性。课程知识点覆盖面广泛，从引入Python语言基础、Numpy、Pandas、Matplotlib、Scikit-learn、关联规则、TensorFlow深度学习等基础知识，进阶到金融数据挖掘、地理信息数据挖掘、地铁交通数据挖掘、图像识别、文本挖掘等热门研究主题。教学团队在头歌平台投放教学视频63个，部署实验闯关题目76个，在完成Python编程基础知识教学的基础上，以多个应用案例为主，向学生展示了大数据分析与挖掘应用的Python实现全流程。本课程适用于大数据、数学、计算机、经济金融管理类的本科生和大专生学习，同时对于研究生及数据挖掘研究者、爱好者也具有很好的参考价值。

广西民族师范学院《Python大数据分析与挖掘实战》课程主页

课程目标

本课程依托头歌平台完善的实战训练和自动化评测，学员可在观看学习视频后挑战对应的实训关卡，实现理论知识和实践技能的协同发展。课程教学采用“原理讲解+编程实战”的模式，学生在完成理论知识学习和实战训练后，可以实现对核心技术与算法的熟悉和掌握。在考核方面，团队将实训任务模式贯穿于整个教学活动，使用平台提供的自动化评测机制，按照每个学生相应的关卡挑战分值和学习成果分析形成评估报告。团队期望学生在完成本课程的学习后能够基于Python语言提升编程技能，并形成较强的大数据分析与挖掘实战应用能力。

课程特色—GUI可视化应用开发

可视化应用开发通常有两种方式。一种是基于web的网站交互可视化，另一种是基于桌面应用软件的交互可视化。本课程采用纯Python的桌面应用软件开发，即图形用户界面（GUI）可视化应用开发。课程内容涵盖Pycharm安装、项目文件创建以及Pycharm配置Anaconda中QtDesigner的使用方法，借助函数图像、三维网络图、等高线图等对数据清洗、分析以及分类等方法原理进行动态描述，结合不同实际环境中的评价系统进行展示。在图形用户界面下，学生能够更加快速、直观地感受数据在程序操作下的变化情况，从而加深对不同数据分析方法和工具的理解。

GUI开发示例-水色图像水质评价系统教学视频

课程章节

教学视频

章节	视频名称
第1章语法基础	1-1Python启动及界面认识
	1-2Python安装扩展包
	1-3python基本数据类型
	1-4Python相关公有方法
	1-5列表、元组与字符串方法
	1-6条件语句
	1-7循环语句
	1-8函数
第2章科学计算	2-1创建数组
	2-2Numpy简介
	2-3数组
	2-4矩阵与线性代数运算
第3章数据处理	3-1pandas简介、序列定义与操作
	3-2数据框定义与操作
	3-3外部文件读取
	3-4常用函数
第4章图像绘制	4-1Matplotlib绘图基本方法
	4-2中文字符显示与坐标刻度
	4-3Matplotlib常用图形绘制
第5章机器学习与实现	5-1缺失值处理
	5-2数据规范化
	5-3主成分分析
	5-4线性回归
	5-5逻辑回归
	5-6神经网络与支持向量机分类应用举例
	5-7神经网络回归应用举例
	5-8K-均值聚类
	5-9关联规则
	5-10一对一、多对一关联规则与应用举例
第6章深度学习与实现	6-1TensorFlow2.0安装
	6-2TensorFlow2.0基本使用举例
	6-3多层神经网络分类问题应用举例
	6-4卷积神经网络应用举例
	6-5循环神经网络应用举例
第7章基于财务与交易数据的量化投资分析	7-1案例背景、目标及实现思路
	7-2基于总体规模与投资效率指标的综合评价
	7-3技术分析指标选择与计算
	7-4量化投资模型与策略实现
第8章众包任务定价优化方案	8-1案例背景、目标及实现思路
	8-2数据获取与探索
	8-3指标计算
	8-4任务定价模型构建
	8-5方案评价
第9章地铁站点日客流量预测	9-1案例背景、目标及实现思路
	9-2二分法思想与数据处理
	9-3指标计算（C1和C2）
	9-4指标计算（C）
	9-5数据可视化与因素分析
	9-6神经网络预测模型的建立(一)
	9-7神经网络预测模型的建立(二)
第10章微博文本情感分析	10-1案例背景、目标及实现思路
	10-2数据预处理过程
	10-3支持向量机分类模型
	10-4基于LSTM网络的分类模型
第11章基于水色图像的水质评价	11-1案例背景、目标及实现思路
	11-2数据获取与探索
	11-3支持向量机分类识别模型
	11-4卷积神经网络识别模型：彩图
第12章 GUI可视化应用开发	12-1Pycharm安装及项目文件创建
	12-2Pycharm配置Anaconda中QtDesigner及使用方法
	12-3水色图像水质评价系统
	12-4上市公司综合评价系统

实验闯关项目

章节	实验闯关题目对应的知识点
第一章实验闯关（题目10个）	基本数据类型
	基本数据结构
	基本数据结构访问
	列表append和extend方法
	字符串连接
	字符串拆分和子串查找
	条件语句if
	循环语句while
	循环语句for和字典setdefault方法
	函数定义及应用
第2章实验闯关（题目5个）	赋值定义较复杂数据结构
	内嵌函数定义较复杂数据结构
	数组运算
	数组切片
	数组连接
第3章实验闯关（题目11个）	序列和数据框
	外部数据文件读取
	逻辑索引、切片方法，groupby 分组计算函数应用
	数据框关联操作
	数据框合并操作
	序列移动计算方法应用
	数据框切片（iloc、loc）方法
	数据框排序
	数据框综合应用案例
	序列及简单随机抽样
	序列及较复杂抽样
第4章实验闯关（题目7个）	散点图绘制
	线性图绘制
	柱状图绘制
	直方图绘制
	饼图绘制
	箱线图绘制
	子图绘制
第5章实验闯关（题目12个）	缺失值填充
	数据标准化
	支持向量机分类模型及其应用
	逻辑回归模型及其应用
	神经网络分类模型及其应用
	线性回归模型及其应用
	神经网络回归模型及其应用
	支持向量机回归模型及其应用
	基于主成分分析的综合评价
	K均值聚类算法及其应用
	布尔数据集构建
	基于布尔数据集的一对一和多对一关联规则挖掘
第6章实验闯关（题目3个）	多层神经网络模型基本使用方法
	卷积神经基本使用方法
	循环神经网络模型基本使用方法
第7章实验闯关（题目10个）	基于总体规模与投资效率指标的上市公司综合评价
	投资组合构建及收益率计算
	移动平均线指标的计算
	指数平滑异同平均线指标的计算
	随机指标K、D、J的计算
	计算相对强弱RSI指标
	乖离率指标BIAS的计算
	能量潮指标OBV的计算
	涨跌趋势指标的定义及计算
	基于技术指标的股票价格涨跌趋势预测模型构建（支持向量机模型）
第8章实验闯关（题目6个）	基于经纬度地理坐标数据的指标计算Z1-Z5
	基于经纬度地理坐标数据的指标计算Z6-Z12
	任务定价模型的构建
	任务定价模型的应用
	任务定价调整方案评价
	任务定价调整方案应用
第9章实验闯关（题目4个）	大数据文件分块读取技术、二分法查找
	地铁进站人数和出站人数统计计算
	天气、周末、节假日数据指标设计及计算
	因变量和自变量数据的融合计算
第10章实验闯关（题目3个）	文本数据预处理—-分词
	文本数据预处理—-去停用词及数值
	文本数据分类模型的构建—-支持向量机模型
第11章实验闯关（题目5个）	手写体图像数据集初识
	基于全像素特征的手写体图像识别模型
	基于全像素特征的人脸识别模型
	基于像素主成分的人脸识别模型
	基于纸币彩色图像的面额识别模型

二、学习导航

课程配套的PPT、程序和数据、教学大纲、教案、练习题参考答案、实训案例、考核材料等资源，可从教材官网获取：

https://www.ryjiaoyu.com/book/details/41401

课程章节列出的所有线上实验项目均可在本课程首页下选择“实践项目”获取，学员可按照教学安排顺序由简到繁进行学习，也可以依照个人学习能力选择相应模块实训关卡进行挑战学习。

挑战示例-大数据文件分块读取技术-二分法查找（向右滑动查看更多）

本课程所有章节配套视频讲解课程均可在头歌课程首页下获取，课程目录下选择“视频项目”即可观看学习各章节配套视频。

讲解视频和课件详情摘要（向右滑动查看更多）

三、教材简介

《Python大数据分析与挖掘实战(微课版)》教材图片

2020年11月人民邮电出版社出版的《Python大数据分析与挖掘实战：微课版》，此教材以应用为导向，将理论与实践有机融合。具体内容分为基础篇、案例篇和附录三个部分,覆盖了Python大数据分析与挖掘技能学习的主要内容，包括Python编程基础、科学计算、数据处理、可视化、机器学习、深度学习、GUI系统开发以及在金融、地理信息、地铁交通、文本、图像等主要应用领域，深入浅出地介绍了利用Python进行大数据分析与挖掘的基本理论知识，以及如何运用到具体领域的实践方法,教材内容丰富，是一部难得的好教材。

教材出版后，截止2021年8月30日，在出版不到一年（9个月）时间里，教材重印1次，销售5300多册，据不完全统计40多所高校作为教学用书，110多所高校作为图书馆或者教参用书。教材为数据科学与大数据技术专业系列规划教材。

四、作者简介

《Python大数据分析与挖掘实战(微课版)》主编黄恒秋

黄恒秋，CPDA项目数据分析师，2011.7-2014.6 就职于深圳市国泰安信息技术有限公司，从事CSMAR数据库分析师、软件策划及设计相关工作。2014.9-至今，广西民族师范学院数理与电子信息工程学院专任教师，从事数据分析与挖掘、数学建模、Python语言、MATLAB语言、高等数学相关课程教学工作。第一作者发表中文核心期刊论文3篇，其中EI源刊1篇。作为第一主编出版教材《Python金融数据分析与挖掘实战》和《Python大数据分析与挖掘实战（微课版）》2部。2019年组织参加第七届“泰迪杯”数据挖掘挑战赛，获全国一等奖1项，二等奖2项，三等奖4项。2019年组织参加第一届广西大学生人工智能设计大赛（大数据建模赛道）获一等奖1项，二等奖2项，三等奖6项。2020年组织参加第二届广西大学生人工智能设计大赛（AI建模创新赛道）获二等奖8项，三等奖8项。2019~2021年指导学生参加互联网+创新创业大赛和挑战杯竞赛获区铜奖和区二等奖共计3项。

本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 sumchina520@foxmail.com 举报，一经查实，本站将立刻删除。
如若转载，请注明出处：https://www.yiheng8.com/152234.html

头歌实践教学平台网址（头歌实践教育平台）

相关推荐