数据分析与可视化技术

主讲教师：庄国强

教师团队：共7位

庄国强
琚沅红
曲豫宾
姜荣昌
解圣霞
王科
程永

《数据分析与可视化》课程是大数据技术专业的一门专业核心课。旨在为广大学习者提供一套紧贴时代脉搏、符合国家战略需求的数据科学教育工具，服务于科技创新人才培养，赋能我国数字化转型和高质量发展。本课程的建设源于对国家科技创新发展战略的深入理解和贯彻，尤其在党的二十大精神指引下，认识到培养具备扎实数据分析能力和先进可视化技术的人才对我国经济社会发展的重要性。在信息技术日新月异、大数据驱动决策的时代，掌握数据分析与可视化技术是提升国家整体科技竞争力、破解“卡脖子”问题的关键环节。因此，团队面向广大高校学生、在职数据分析师、Python程序员以及对数据分析和可视化感兴趣的自学者，立足于培养学生在数据科学领域的实践应用能力，通过理论与实战相结合的教学模式，引导学生在解决实际问题中深化对数据分析与可视化的理解与应用。本课程通过实践和项目驱动的方法，深入浅出地介绍 Python 及其在数据分析和可视化方面的应用，课程内容不仅涵盖了 Python 基础知识，还包含了 NumPy、 Pandas、Matplotlib、 Scikit-learn 等重要的数据分析工具。通过 5 个精心设计的章节，读者将逐步掌握数据分析的关键技能，并能够将这些技能应用于实际问题中。

…

[展开]

学校：	江苏工程职业技术学院
开课院系：	信息工程学院
专业大类：	计算机
开课专业：	大数据技术、软件技术、人工智能技术应用
课程负责人：	庄国强
课程英文名称：	Data Analysis and Visualization
课程编号：	ZJ0710157
学分：	3
课时：	48

片花

教师团队

庄国强

职称：副教授/信息项目管理师

单位：江苏工程职业技术学院

部门：信息工程学院

琚沅红

职称：讲师

单位：江苏工程职业技术学院

部门：信息工程学院

曲豫宾

职称：副教授

单位：江苏工程职业技术学院

部门：信息工程学院

姜荣昌

职称：高级工程师

单位：江苏工程职业技术学院

部门：信息工程学院

解圣霞

职称：副研究员

单位：江苏工程职业技术学院

部门：信息工程学院

王科

职称：讲师

单位：江苏工程职业技术学院

部门：信息工程学院

程永

职称：CEO

单位：北京青苔数据科技有限公司

课程特色

（1）避免围绕具体项目案例展开，可能使得某些必要的基础知识或理论没有得到完整的覆盖，造成知识结构的不完整，让读者在学习体验中有碎片化的感觉。本课程每章在通过思维导图保证知识点完整性的同时，对章节内相应知识点进行深入剖析和练习，并通过各个章节最后精心设计的项目案例内化知识，以免知识点的零碎化。

任务驱动学习
每个项目以可交付成果（游戏/识别系统等）为导向，符合“明确任务→知识学习→实践验证”的闭环设计。

能力分层递进
从基础编程（项目1）到复杂系统（项目5），匹配职业岗位能力成长路径。

理实一体融合
技术工具（如Numpy/Pandas）不再独立讲解，而是作为项目实现的支撑手段，强化技术应用场景认知。

企业真实场景映射
如成绩管理系统对应教务岗位需求，红酒分析匹配商业数据分析场景，增强职业衔接性。

（2）教学资源丰富。本课程附带丰富的在线资源，包括课后练习、实验教程、实战案例以及延伸阅读材料，同时配有完善的教学视频教程，以满足多元化学习需求，营造互动学习环境。

（3）大模型驱动数字分身。本课程依托文心一言大模型中的自定义智能体功能，基于课程设计和配套教材，为课程配置了数字分身，实时为学习者提供专业答疑，促进其学习效率持续提升。

数据分析与可视化数字教师

数据分析与可视化助教.png

(4) 创新构建"阶梯式提示词训练体系"，通过每章设置5类提示词范式（概念解析型、任务拆解型、案例迁移型、错误追溯型、拓展探究型），形成25个与教材深度绑定的多维度训练模块。例如"数据预处理中的异常值追问提示"、"可视化方案迭代优化的追问链设计"等典型场景，引导学生掌握"问题拆解-知识检索-方案验证-反思迭代"的完整学习闭环，着重培养数据思维建模能力、工具迁移能力和批判性创新能力。

提示词示例.png

(5) 课程创新融入Cursor和Trae编程工具，构建"校企双元+AI赋能"的立体化教学体系。①采用"高校教师+企业工程师"双导师制，依托企业真实脱敏项目案例，实现教学内容与产业需求精准对接；②通过知识图谱构建完整知识链条，采用"基础模块精讲→工具进阶实训→项目综合实战"的三阶递进模式，确保知识体系系统化；③引入AI辅助编程工具链（Cursor/Trae），培养学生智能化编程能力，支撑学生完成从数据预处理到可视化建模的全流程实践。

课程目标

（1）知识目标

学生应掌握数据分析的基本概念、流程和重要性，理解大数据分析的理论框架与方法体系。

掌握Python编程基础，包括变量、数据类型、控制结构、函数等基础知识。

系统学习并熟练运用Numpy进行科学计算，利用Pandas进行数据清洗、处理与操作，理解Matplotlib和Seaborn库在数据可视化中的应用，以及Scikit-learn等工具进行机器学习建模与预测。

了解数据预处理技术，包括缺失值处理、异常值检测、标准化与归一化等方法。

掌握数据分析报告的撰写规范和技巧，能够通过图表清晰、准确地展示数据结果。

（2）素质目标

培养学生的逻辑思维能力和独立思考能力，形成严谨的数据分析态度和求真务实的工作作风。

提升学生对大数据时代下数据价值的认识，培养其数据敏感度和洞察力。

塑造良好的职业道德和社会责任感，尊重数据隐私，遵循行业法律法规进行数据分析活动。

（3）能力目标

能够根据实际需求选择合适的数据分析方法和工具，完成从数据获取、清洗、探索性分析到结果展示的全过程任务。

能够针对具体问题，设计并实施有效的数据分析方案，并能解读和解释分析结果。

具备自主学习新技术、新工具的能力，能够跟踪数据分析领域的最新发展动态。

（4）思政育人目标

在课程教学中融入社会主义核心价值观教育，培养学生爱国情怀和为人民服务的精神。

通过案例分析，引导学生关注社会热点问题，提高其运用数据分析解决现实问题的能力，服务国家发展战略和经济社会发展需要。

强调团队协作精神，倡导创新意识，提升学生的沟通协调能力和项目管理能力。

课程标准

教学计划

教学方法

宗旨是立足于培养数据科学领域的实践应用能力，通过理论与实战相结合的教学模式，引导读者在解决实际问题中深化对Python数据分析与可视化的理解与应用。

在教学方法上，我们倡导因人、因材施教的原则，尤其针对已经工作的读者，将学习过程从简单的知识接收转变为积极主动的探索与实践。通过理论与实战相结合的教学模式，引导读者在解决实际问题的过程中深化对Python数据分析与可视化的理解与应用，培养其独立解决问题的能力，从而获得多方面的知识和技能训练。这种方法不仅能够激发读者的学习兴趣，还能培养他们勤于思考、乐于交流的习惯，进一步提高其专业能力、方法能力和社会适应能力。

（1）情境式学习。模拟真实工作环境中的数据分析场景，如市场趋势预测、产品性能优化等，突出Python数据分析与可视化技能的应用。在实施该方法时，首先为读者设定学习目标和框架，然后引导他们进入具体的情境模拟。读者可通过在线资源和社区交流获得指导和支持，同时鼓励他们根据自身工作环境创造个性化的学习案例，以增强学习的相关性和实用性。在模拟过程中，如果遇到难题，读者可以通过在线论坛或社群寻求帮助，更重要的是在模拟中相互评议，促进技能的提升。

（2）自主项目式学习。根据“教学相长”的理念，鼓励读者基于个人兴趣或工作需求，选择合适的项目主题，独立完成从数据收集、清洗、分析到可视化的全过程。通过设立阶段性的成果展示和反馈机制，帮助读者及时调整学习方向，巩固所学知识。此外，利用网络平台组织线上研讨会，促进读者之间的交流与合作，有助于读者将所学知识转化为实际工作中的应用能力。

（3）任务导向式学习，围绕具体的工作任务，设计一系列由浅入深的学习任务，每个任务都包含明确的学习目标、操作步骤和评估标准。通过完成这些任务，读者可以在实践中逐步掌握Python数据分析与可视化的各项技能，同时培养良好的工作习惯和职业素养。这种学习方式强调“做中学”，让读者在完成任务的过程中不断进步，提高解决实际问题的能力。

通过上述多样化且针对性强的教学方法，《Python数据分析与可视化》课程不仅能够帮助在职读者系统地学习和掌握数据科学的核心技能，还能激发他们解决实际问题的热情，为职业生涯的发展注入新的动力。

教学条件

【实验实训条件与项目】

实验实训室名称

主要设备（硬件、软件）及台套数/服务

主要实验实训项目

数字教学工场智慧教室

电脑（50台）

24 点游戏实现

KNN 识别手写数字实现
期末成绩处理
红葡萄酒质量的数据分析
Titanic 生存预测

泰迪•江苏工院数据智能工作室

在线实训：高新内推就业

师资培训：教学能力提升

证书培训：职场晋升加薪

证书考级：课证融通

双创工作室：创新创业孵化

竞赛指导：行业专家解题

Excel数据分析基础与实战

Smartbi数据可视化

Python编程基础

航空公司客户价值分析

Python猜数字游戏程序设计

教学效果

考核评价

考核项目		考核方式	成绩比例
平时过程性考核	学习态度	根据课堂回答问题、学生出勤情况以及作业完成情况，由教师综合评定学生的学习态度得分。	10%
	线上学习	根据学生在教学平台上观看视频的进度情况，线上作业完成情况等评定学生线上学习成绩。	10%
	项目实训	学生根据课程设定的五个实训项目内容，参照教材、教案以及ppt等课程资源完成学习任务，并由学生和老师双方共同完成成绩评定。	50%
期末终结性考核	期末考试	教师评定笔试成绩：由教师根据课程标准，以理论和实践相结合的方式出卷，考查学生的学习情况。	30%

参考资料

[1] 庄国强,琚沅红,曲豫宾等. Python数据分析与可视化[M]. 北京：中国人民大学出版社，2024.

[2] Al Sweigart. Python 编程快速上手——让繁琐工作自动化[M]. 北京：人民邮电出版社，2021.

[3] 吉田拓真 .NumPy 数据处理详解 . 北京：中国水利水电出版社， 2021.

[4] 李庆辉 . 深入浅出 Pandas：利用 Python 进行数据处理与分析 . 北京：机械工业出版社， 2021.

[5] 刘大成 .Python 数据可视化之 matplotlib 实践 . 北京：电子工业出版社， 2018.

[6] 梁佩莹 .Python 科学计算及实践 [M]. 北京：清华大学出版社， 2020.

教学资源

课程章节资源

课程章节	\| 文件类型		\| 修改时间	\| 大小	\| 备注
1.1 学习目标与知识导图		文档 .pptx	2024-10-11	4.54MB
1.2.1 Python 简介		图片 .png	2024-10-11	--
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
1.2.2 安装 Python 编程环境		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		视频 .mp4	2024-10-11	29.17MB
		图片 .png	2024-11-21	--
		图片 .png	2024-11-21	--
		图片 .png	2024-11-21	--
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
1.3.1 变量定义		图片 .png	2024-10-11	--
		视频 .mp4	2024-10-12	81.45MB
		图片 .png	2024-11-21	--
		作业 .work	2024-11-22	--
1.3.2 常用数据类型		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		视频 .mp4	2024-10-12	51.97MB
		视频 .mp4	2024-10-12	86.19MB
		视频 .mp4	2024-10-12	44.35MB
		视频 .mp4	2024-10-12	70.57MB
		视频 .mp4	2024-10-12	69.96MB
		作业 .work	2024-11-22	--
1.4 Python 语句		图片 .png	2024-10-11	--
1.4.1 赋值语句		图片 .png	2024-10-11	--
		视频 .mp4	2024-10-12	60.75MB
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
1.4.2 表达式		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
1.4.3 分支语句		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
1.4.4 循环语句		视频 .mp4	2024-10-12	70.71MB
1.4.5 跳转语句		图片 .png	2024-10-11	--
1.4.6 异常处理语句		图片 .png	2024-10-11	--
		作业 .work	2024-11-22	--
1.4.7 函数定义与函数调用语句		图片 .png	2024-10-11	--
1.4.8 类定义与使用		图片 .png	2024-10-11	--
1.4.9 导入语句		图片 .png	2024-10-11	--
1.4.10 声明语句		图片 .png	2024-10-11	--
1.4.11 上下文管理语句		图片 .png	2024-10-11	--
1.5.1 编程语言的分类		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
1.5.2 动态类型		图片 .png	2024-10-11	--
		作业 .work	2024-11-22	--
1.5.3 序列的切片与负数索引		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
1.5.4 列表推导式与生成器表达式		图片 .png	2024-10-11	--
1.5.5 高阶函数		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
1.5.6 装饰器		图片 .png	2024-10-11	--
1.6.1 需求分析		图片 .png	2024-10-11	--
1.6.2 设计		图片 .png	2024-10-11	--
1.6.3 编码		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		视频 .mp4	2024-10-12	51.84MB
		视频 .mp4	2024-10-12	40.11MB
		视频 .mp4	2024-10-12	64.40MB
		视频 .mp4	2024-10-12	60.28MB
1.6.4 测试		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
		图片 .png	2024-10-11	--
1.7 本章代码		附件 .ipynb	2025-06-04	47.97KB
1.8 本章小结		图片 .png	2024-10-11	--
1.9 章节测验		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2025-05-21	--
		附件 .swf	2025-06-03	1.76MB
2.1 学习目标与知识导图		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		文档 .pptx	2024-10-18	872.28KB
2.2 Numpy 简介		视频 .mp4	2024-10-25	158.74MB
		图片 .png	2024-10-25	--
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
2.3 多维数组对象		图片 .png	2024-10-12	--
		视频 .mp4	2024-10-25	305.22MB
		作业 .work	2024-11-22	--
2.4 Numpy 核心运算		视频 .mp4	2024-10-15	69.59MB
2.4.1 向量化运算		视频 .mp4	2024-10-15	75.13MB
		作业 .work	2024-11-22	--
2.4.2 ufunc函数		图片 .png	2024-10-12	--
		视频 .mp4	2024-10-25	223.99MB
		作业 .work	2024-11-22	--
2.4.3 Numpy广播		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		作业 .work	2024-11-22	--
2.5 KNN 识别手写数字实现		视频 .mp4	2024-10-15	135.83MB
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
2.5.1 需求分析		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
2.5.2 设计		图片 .png	2024-10-12	--
2.5.3 编码		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		视频 .mp4	2024-10-15	44.08MB
		视频 .mp4	2024-10-15	62.96MB
		视频 .mp4	2024-10-15	81.96MB
2.5.4 测试		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
2.6 本章代码		附件 .zip	2025-06-04	473.52KB
2.7 本章小结		图片 .png	2024-10-12	--
2.8 章节测验		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
3.1 学习目标与知识导图		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		文档 .pptx	2024-10-18	1.58MB
3.2 Pandas 简介		图片 .png	2024-10-12	--
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
3.3 Pandas 核心数据结构		图片 .png	2024-10-12	--
		视频 .mp4	2024-10-25	192.07MB
3.3.1 Series对象创建		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		视频 .mp4	2024-10-15	86.01MB
3.3.2 Series对象访问		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		作业 .work	2024-11-22	--
3.3.3 DataFrame对象创建		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		视频 .mp4	2024-10-15	118.14MB
3.3.4 DataFrame对象访问		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		图片 .png	2024-10-12	--
		作业 .work	2024-11-22	--
3.4 Pandas 数据导入和导出		视频 .mp4	2024-10-15	40.10MB
		视频 .mp4	2024-10-25	211.62MB
		图片 .png	2024-11-22	--
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
3.4.1 读取CSV文件		图片 .png	2024-10-13	--
3.4.2 读取Excel文件		图片 .png	2024-10-13	--
3.4.3 读取SQL数据		图片 .png	2024-10-13	--
3.4.4 写入CSV文件		图片 .png	2024-10-13	--
3.4.5 写入Excel文件		图片 .png	2024-10-13	--
3.4.6 写入SQL数据库		图片 .png	2024-10-13	--
3.5 数据处理		视频 .mp4	2024-10-15	43.81MB
		视频 .mp4	2024-10-25	378.66MB
		图片 .png	2024-11-22	--
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
3.5.1 缺失数据		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
3.5.2 数据清洗		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
3.5.3 数据转换		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
3.5.4 数据连接与合并		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
3.6 数据分析		视频 .mp4	2024-10-15	65.16MB
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
3.6.1 描述性统计		图片 .png	2024-10-13	--
3.6.2 数据分组和聚合		图片 .png	2024-10-13	--
3.6.3 透视表和交叉表		图片 .png	2024-10-13	--
3.7 数据可视化		图片 .png	2024-10-13	--
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
3.7.1 基本图形绘制		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
3.7.2 散点图		图片 .png	2024-10-13	--
3.7.3 直方图和密度图		图片 .png	2024-10-13	--
3.7.4 箱线图		图片 .png	2024-10-13	--
3.8 期末成绩处理		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		视频 .mp4	2024-10-15	50.74MB
		图片 .png	2024-10-15	--
3.9 本章代码		附件 .zip	2025-06-04	94.59KB
3.10 本章小结		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
3.11 章节测验		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
4.1 学习目标与知识导图		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		文档 .pptx	2024-10-18	1.22MB
4.2 Matplotlib 简介		图片 .png	2024-10-13	--
		视频 .mp4	2024-10-25	132.43MB
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
4.3 Matplotlib 图表		视频 .mp4	2024-10-25	247.81MB
		视频 .mp4	2024-10-25	264.62MB
		图片 .png	2024-11-22	--
4.3.1 图表元素		视频 .mp4	2024-10-15	49.83MB
		作业 .work	2024-11-22	--
4.3.2 图表基础		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
4.3.3 图表类型		视频 .mp4	2024-10-15	70.39MB
4.3.4 图表美化		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
4.3.5 高级应用		视频 .mp4	2024-10-15	48.53MB
4.4 红葡萄酒质量的数据分析		视频 .mp4	2024-10-15	58.15MB
4.4.1 数据加载与初步查看		图片 .png	2024-10-13	--
4.4.2 单变量分析		图片 .png	2024-10-13	--
4.4.3 双变量分析		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
4.4.4 多变量分析		图片 .png	2024-10-13	--
4.4.5 再议酒精含量与品质关系		图片 .png	2024-10-13	--
4.5 本章代码		附件 .ipynb	2025-06-04	1.15MB
		附件 .csv	2025-06-04	83.68KB
4.6 本章小结		图片 .png	2024-10-13	--
4.7 章节测验		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
5.1 学习目标与知识导图		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		文档 .pptx	2024-10-18	1.21MB
5.2 Sklearn 简介		视频 .mp4	2024-10-15	35.52MB
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
5.2.1 Sklearn的安装		图片 .png	2024-10-13	--
5.2.2 Sklearn的基本架构		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
5.2.3 机器学习基础-监督学习与非监督学习		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
5.3 数据预处理		图片 .png	2024-10-13	--
		视频 .mp4	2024-10-25	149.79MB
		视频 .mp4	2024-10-25	235.84MB
		视频 .mp4	2024-10-25	306.18MB
		作业 .work	2024-11-22	--
5.3.1 特征提取和特征选择		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
5.3.2 数据标准化和归一化		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		作业 .work	2024-11-22	--
5.3.3 缺失值处理和数据编码		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		作业 .work	2024-11-22	--
5.4.1 常用的分类、回归、聚类算法介绍		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		作业 .work	2024-11-22	--
5.4.2 示例		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
5.4.3 模型评估和参数调优		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
		图片 .png	2024-10-13	--
5.5 Titanic生存预测		视频 .mp4	2024-10-15	92.65MB
5.5.1 数据加载与初步观察		图片 .png	2024-10-13	--
5.5.2 数据清洗和预处理		视频 .mp4	2024-10-15	72.08MB
5.5.3 探索性数据分析（EDA）		图片 .png	2024-10-13	--
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
5.5.4 特征工程		图片 .png	2024-10-13	--
		作业 .work	2024-11-22	--
5.5.5 模型训练和评估		视频 .mp4	2024-10-15	60.03MB
		作业 .work	2024-11-22	--
		作业 .work	2024-11-22	--
5.6 本章代码		附件 .ipynb	2025-06-04	41.87KB
		附件 .csv	2025-06-04	27.96KB
		附件 .csv	2025-06-04	59.76KB
5.7 本章小结		图片 .png	2024-10-13	--
5.8 章节测验		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--
		作业 .work	2024-11-21	--

下载在线观看进入课程章节同步到网盘

课程章节

项目一：24点益智游戏开发——Python基础语法实战

1.1 学习目标与知识导图 1.2 Python 编程入门 1.3 变量与数据类型 1.4 Python 语句 1.5 Python 特性 1.6 24点游戏实现 1.7 本章代码 1.8 本章小结 1.9 章节测验

项目二：手写数字识别系统——Numpy与KNN算法实现

2.1 学习目标与知识导图 2.2 Numpy 简介 2.3 多维数组对象 2.4 Numpy 核心运算 2.5 KNN 识别手写数字实现 2.6 本章代码 2.7 本章小结 2.8 章节测验

项目三：学生成绩管理系统——Pandas数据分析实战

3.1 学习目标与知识导图 3.2 Pandas 简介 3.3 Pandas 核心数据结构 3.4 Pandas 数据导入和导出 3.5 数据处理 3.6 数据分析 3.7 数据可视化 3.8 期末成绩处理 3.9 本章代码 3.10 本章小结 3.11 章节测验

项目四：红酒品质分析报告——Matplotlib数据可视化决策

4.1 学习目标与知识导图 4.2 Matplotlib 简介 4.3 Matplotlib 图表 4.4 红葡萄酒质量的数据分析 4.5 本章代码 4.6 本章小结 4.7 章节测验

项目五：泰坦尼克生存预测模型——Scikit-learn机器学习应用

5.1 学习目标与知识导图 5.2 Sklearn 简介 5.3 数据预处理 5.4 机器学习算法 5.5 Titanic生存预测 5.6 本章代码 5.7 本章小结 5.8 章节测验