# 課程資源 > 本教程出于教學目的編寫，使用了大量的網絡資源，如果有侵犯您的權利，請聯系我們，及時處理。 [Email:qingsongzeng@163.com](mailto:qingsongzeng@163.com) ## 師資介紹 曾青松 教授 博士 [Email:qingsongzeng@163.com](mailto:qingsongzeng@163.com) [廣州番禺職業技術學院](http://www.gzpyp.edu.cn) ## 直播時間 按照課表排課時間直播，請大家安裝好騰訊課堂客戶端 https://ke.qq.com/ 課程互動使用QQ群：1035559075。  # 泰迪云課堂 > 后臺已經幫大家導入賬號，請自行登錄學習，按照要求完成課程作業，提交測試，每日簽到 https://edu.tipdm.org/classroom/103/courses  ``` 各位同學早上好第一周的課程已經開放啦，開課的事情比較多，給大家絮叨絮叨~~ 請務必認真閱讀 ?-?以后課程更新時間：每周日早上10點 ?-?課程學習方式：在線視頻+作業練習+在線答疑+直播（直播暫定于課程最后一周，具體時間將另行通知） ?-?課程學習地址：https://edu.tipdm.org/ ?-?抑或下載云課堂app：https://edu.tipdm.org/mobile/ ?-?課程配套資料在課時36，可以直接下載！！ ?-?學習賬號已經為大家提前開通，賬號為大家登記的手機號/郵箱，初始密碼：pw123654 ?-?具體流程見課時1微班級開班儀式 －－－－－－－－－－－－－－－ 請注意！！！???? 1、課程內容按周推送，請大家及時完成學習任務和作業； 2、課程學習是有時限的，每門課程最后一周課程結束后，再給一周緩沖時間讓大家觀看復習，隨后課程將會關閉。 Python數據分析與應用：學習周期為六周，課程結束后緩沖一周，即4月20日關閉課程； 請大家及時完成課程學習和作業，課程觀看進度及課后作業完成情況將于最后成績直接掛鉤！！！ 請注意 作業方式： 1、選擇題，考試時間為1小時?，一次提交機會，考試截止時間為下周課程更新前一分鐘 2、操作題操作時間不限，一次提交機會 學生微班級成績評定方式： 1、學生課程成績由兩部分組成：學習完成率（占比40%）?+?平時考試成績（占比60%）。如結課時小明學習完成率為60%，平時考試成績85分，則其最終課程成績為60\*0.4?+?85\*0.6?=?75?分。 2、操作題作為附加題提供給大家，其結果不計入課程成績。操作題是鍛煉大家自身實操技能的重要方式，只有動手實踐操作，技能才能得到提升。學習成果靠自律。 最后，如有疑問可直接在群里提出，群中大家和學習有關的問題我們都會回復，但有些問題在群里發得太晚或太早抑或大家同時提出的問題較多，所以有時候我們回復速度會慢一點或者隔天回復大家，當然我們也鼓勵大家在群里相互交流幫助。 ``` ### Python 入門指南 課程鏈接：http://www.hmoore.net/thinkphp/python-tutorial/37061 ### Python 3零起點教程 廖雪峰的教程 課程鏈接：http://www.hmoore.net/thinkphp/python-guide/39214 ## 在線實驗平臺 > 使用實驗樓在線實現平臺，篩選了免費的課程，學生需要注冊賬號登陸，免費用戶不能保存數據，平臺基于Linux系統，如果不熟悉Linux可以先完成以下實驗 ### Linux 基礎入門 要在實驗樓愉快地學習，先要熟練地使用 Linux，本實驗中通過在線動手實驗的方式學習 Linux 常用命令，用戶與權限管理，目錄結構與文件操作，環境變量，計劃任務，管道與數據流重定向等基本知識點。 課程鏈接：https://www.shiyanlou.com/courses/1 # 學習路徑【 機器學習工程師】 機器學習路徑將帶你學會使用 Numpy，Scipy，Pandas，Scikit-learn，Matplotlib 等開源工具，完成從數據清理、數據分析、模型構建，到最終的預測評估及可視化呈現。本路徑既包含了機器學習算法的基礎知識，又融合了大量的實戰操作，還覆蓋了深度學習的有趣樣例，將為你了解并掌握一定的機器學習技能提供動力。 課程鏈接：https://www.shiyanlou.com/paths/20/  > 必須完成的實驗 ## 實驗樓 Notebook 在線環境使用指南 Jupyter Notebook 是一個能運行 Python 代碼的 Web 應用程序，它是目前進行機器學習實踐的主流工具。實驗樓依托 Jupyter Notebook，開發出了自己的機器學習在線實驗環境「實驗樓 Notebook」。完成本次實驗課程內容，你將掌握「實驗樓 Notebook」的基本操作，這也是學習后續課程的重要基礎。 課程鏈接：https://www.shiyanlou.com/courses/1322 ## Python3 簡明教程 簡明易懂的 Python3 課程，不僅適用于那些有其它語言基礎的同學，對沒有編程經驗的同學也非常友好。本課程不僅講解了 Python3 基礎知識，還介紹了 PEP8、Virtualenv、測試、項目結構以及 Flask 相關內容 課程鏈接：https://www.shiyanlou.com/courses/596 ## NumPy 數值計算基礎課程 如果你使用 Python 語言進行科學計算，那么一定會接觸到 NumPy。NumPy 是支持 Python 語言的數值計算擴充庫，其擁有強大的高維度數組處理與矩陣運算能力。除此之外，NumPy 還內建了大量的函數，方便你快速構建數學模型。 課程鏈接：https://www.shiyanlou.com/courses/912 ## Pandas 數據處理基礎課程 > Pandas 是非常著名的開源數據處理工具，我們可以通過它完成對數據集進行快速讀取、轉換、過濾、分析等一系列操作。除此之外，Pandas 擁有強大的缺失數據處理與數據透視功能，可謂是數據預處理中的必備利器。本課程主要講解使用 Pandas 進行數據分析的基本流程和基本方法。 課程鏈接：https://www.shiyanlou.com/courses/906 # 進階學習資源 ## 參考資料 - 范淼, 李超. Python機器學習及實踐:從零開始通往Kaggle競賽之路[M].清華大學出版社, 2016. - Hands-On Machine Learning with Scikit-Learn and TensorFlow - Python 語言構建機器學習系統 第2版（影印版） - Robert Layton. Python數據挖掘入門與實踐, 人民郵電出版社 - scikit learn機器學習：常用算法原理及編程實戰 - Python大戰機器學習：數據科學家的第一個小目標 ## 在線資源 * scikit-learn官方中文文檔：http://sklearn.apachecn.org * 實驗樓：https://www.shiyanlou.com/courses/1322 * 泰迪云課堂：https://edu.tipdm.org/classroom/103/courses