🔥码云GVP开源项目 12k star Uniapp+ElementUI 功能强大 支持多语言、二开方便! 广告
# 课程资源 > 本教程出于教学目的编写,使用了大量的网络资源,如果有侵犯您的权利,请联系我们,及时处理。 [Email:qingsongzeng@163.com](mailto:qingsongzeng@163.com) ## 师资介绍 曾青松 教授 博士 [Email:qingsongzeng@163.com](mailto:qingsongzeng@163.com) [广州番禺职业技术学院](http://www.gzpyp.edu.cn) ## 直播时间 按照课表排课时间直播,请大家安装好腾讯课堂客户端 https://ke.qq.com/ 课程互动使用QQ群:1035559075。 ![](https://img.kancloud.cn/12/1a/121a37d4ba52c3cffe760b6cb35971fa_253x248.png) # 泰迪云课堂 > 后台已经帮大家导入账号,请自行登录学习,按照要求完成课程作业,提交测试,每日签到 https://edu.tipdm.org/classroom/103/courses ![](https://img.kancloud.cn/c9/ae/c9ae3c981bb50bab3344633b186a681f_1187x835.png) ``` 各位同学早上好第一周的课程已经开放啦,开课的事情比较多,给大家絮叨絮叨~~ 请务必认真阅读  - 以后课程更新时间:每周日早上10点  - 课程学习方式:在线视频+作业练习+在线答疑+直播(直播暂定于课程最后一周,具体时间将另行通知)  - 课程学习地址:https://edu.tipdm.org/  - 抑或下载云课堂app:https://edu.tipdm.org/mobile/  - 课程配套资料在课时36,可以直接下载!!  - 学习账号已经为大家提前开通,账号为大家登记的手机号/邮箱,初始密码:pw123654  - 具体流程见课时1微班级开班仪式 --------------- 请注意!!!☞☞☞☞ 1、课程内容按周推送,请大家及时完成学习任务和作业; 2、课程学习是有时限的,每门课程最后一周课程结束后,再给一周缓冲时间让大家观看复习,随后课程将会关闭。 Python数据分析与应用:学习周期为六周,课程结束后缓冲一周,即4月20日关闭课程; 请大家及时完成课程学习和作业,课程观看进度及课后作业完成情况将于最后成绩直接挂钩!!! 请注意 作业方式: 1、选择题,考试时间为1小时 ,一次提交机会,考试截止时间为下周课程更新前一分钟 2、操作题操作时间不限,一次提交机会 学生微班级成绩评定方式: 1、学生课程成绩由两部分组成:学习完成率(占比40%) + 平时考试成绩(占比60%)。如结课时小明学习完成率为60%,平时考试成绩85分,则其最终课程成绩为60\*0.4 + 85\*0.6 = 75 分。 2、操作题作为附加题提供给大家,其结果不计入课程成绩。操作题是锻炼大家自身实操技能的重要方式,只有动手实践操作,技能才能得到提升。学习成果靠自律。 最后,如有疑问可直接在群里提出,群中大家和学习有关的问题我们都会回复,但有些问题在群里发得太晚或太早抑或大家同时提出的问题较多,所以有时候我们回复速度会慢一点或者隔天回复大家,当然我们也鼓励大家在群里相互交流帮助。 ``` ### Python 入门指南 课程链接:https://www.kancloud.cn/thinkphp/python-tutorial/37061 ### Python 3零起点教程 廖雪峰的教程 课程链接:https://www.kancloud.cn/thinkphp/python-guide/39214 ## 在线实验平台 > 使用实验楼在线实现平台,筛选了免费的课程,学生需要注册账号登陆,免费用户不能保存数据,平台基于Linux系统,如果不熟悉Linux可以先完成以下实验 ### Linux 基础入门 要在实验楼愉快地学习,先要熟练地使用 Linux,本实验中通过在线动手实验的方式学习 Linux 常用命令,用户与权限管理,目录结构与文件操作,环境变量,计划任务,管道与数据流重定向等基本知识点。 课程链接:https://www.shiyanlou.com/courses/1 # 学习路径【 机器学习工程师】 机器学习路径将带你学会使用 Numpy,Scipy,Pandas,Scikit-learn,Matplotlib 等开源工具,完成从数据清理、数据分析、模型构建,到最终的预测评估及可视化呈现。本路径既包含了机器学习算法的基础知识,又融合了大量的实战操作,还覆盖了深度学习的有趣样例,将为你了解并掌握一定的机器学习技能提供动力。 课程链接:https://www.shiyanlou.com/paths/20/ ![](https://img.kancloud.cn/7b/3a/7b3ae656f6d18447ebb789b7d87bb292_1146x941.png) > 必须完成的实验 ## 实验楼 Notebook 在线环境使用指南 Jupyter Notebook 是一个能运行 Python 代码的 Web 应用程序,它是目前进行机器学习实践的主流工具。实验楼依托 Jupyter Notebook,开发出了自己的机器学习在线实验环境「实验楼 Notebook」。完成本次实验课程内容,你将掌握「实验楼 Notebook」的基本操作,这也是学习后续课程的重要基础。 课程链接:https://www.shiyanlou.com/courses/1322 ## Python3 简明教程 简明易懂的 Python3 课程,不仅适用于那些有其它语言基础的同学,对没有编程经验的同学也非常友好。本课程不仅讲解了 Python3 基础知识,还介绍了 PEP8、Virtualenv、测试、项目结构以及 Flask 相关内容 课程链接:https://www.shiyanlou.com/courses/596 ## NumPy 数值计算基础课程 如果你使用 Python 语言进行科学计算,那么一定会接触到 NumPy。NumPy 是支持 Python 语言的数值计算扩充库,其拥有强大的高维度数组处理与矩阵运算能力。除此之外,NumPy 还内建了大量的函数,方便你快速构建数学模型。 课程链接:https://www.shiyanlou.com/courses/912 ## Pandas 数据处理基础课程 > Pandas 是非常著名的开源数据处理工具,我们可以通过它完成对数据集进行快速读取、转换、过滤、分析等一系列操作。除此之外,Pandas 拥有强大的缺失数据处理与数据透视功能,可谓是数据预处理中的必备利器。本课程主要讲解使用 Pandas 进行数据分析的基本流程和基本方法。 课程链接:https://www.shiyanlou.com/courses/906 # 进阶学习资源 ## 参考资料 - 范淼, 李超. Python机器学习及实践:从零开始通往Kaggle竞赛之路[M].清华大学出版社, 2016. - Hands-On Machine Learning with Scikit-Learn and TensorFlow - Python 语言构建机器学习系统 第2版(影印版) - Robert Layton. Python数据挖掘入门与实践, 人民邮电出版社 - scikit learn机器学习:常用算法原理及编程实战 - Python大战机器学习:数据科学家的第一个小目标 ## 在线资源 * scikit-learn官方中文文档:http://sklearn.apachecn.org * 实验楼:https://www.shiyanlou.com/courses/1322 * 泰迪云课堂:https://edu.tipdm.org/classroom/103/courses