# 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。  # 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  ``` 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/  > 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