Python函数教学反思的简单介绍( 八 )

4、matplotlib三层结构体系、各种常见图表类型折线图、柱状图、堆积柱状图、饼图的绘制、图例、文本、标线的添加、可视化文件的保存，熟悉数据分析三大利器之一Matplotlib的常见使用，熟悉Matplotlib的三层结构，能够熟练使用Matplotlib绘制各种常见的数据分析图表。能够综合利用课程中所讲的各种数据分析和可视化工具完成股票市场数据分析和预测、共享单车用户群里数据分析、全球幸福指数数据分析等项目的全程实战。
第四阶段：机器学习与人工智能
阶段目标：
1. 理解机器学习相关的基本概念及系统处理流程
2. 能够熟练应用各种常见的机器学习模型解决监督学习和非监督学习训练和测试问题，解决回归、分类问题
3. 熟练掌握常见的分类算法和回归算法模型，如KNN、决策树、随机森林、K-Means等
4. 掌握卷积神经网络对图像识别、自然语言识别问题的处理方式，熟悉深度学习框架TF里面的张量、会话、梯度优化模型等
5. 掌握深度学习卷积神经网络运行机制，能够自定义卷积层、池化层、FC层完成图像识别、手写字体识别、验证码识别等常规深度学习实战项目
知识点：
1、机器学习常见算法、sklearn数据集的使用、字典特征抽取、文本特征抽取、归一化、标准化、数据主成分分析PCA、KNN算法、决策树模型、随机森林、线性回归及逻辑回归模型和算法。熟悉机器学习相关基础概念，熟练掌握机器学习基本工作流程，熟悉特征工程、能够使用各种常见机器学习算法模型解决分类、回归、聚类等问题。
2、Tensorflow相关的基本概念， TF数据流图、会话、张量、tensorboard可视化、张量修改、TF文件读取、tensorflow playround使用、神经网络结构、卷积计算、激活函数计算、池化层设计，掌握机器学习和深度学习之前的区别和练习，熟练掌握深度学习基本工作流程，熟练掌握神经网络的结构层次及特点，掌握张量、图结构、OP对象等的使用，熟悉输入层、卷积层、池化层和全连接层的设计，完成验证码识别、图像识别、手写输入识别等常见深度学习项目全程实战。
八什么是课程框架问题
资料卡片(愿与各位同学共享): 课程框架问题包括基本问题，单元问题和内容问题。单元问题: 反映了基本的概念, 指向规律的核心；在内容范畴提出了重要的问题没有单一的，明显“正确”的答案。基本问题：能够激发学生的兴趣,内容问题,直接支持内容和学习目标,有特定的“正确”的答案 “在问题的解决，概念的理解和批评反思中，技术的应用是非常有效的。” “利用技术，学生可花更多时间创新策略去解决复杂的问题和增强更高的理解能力。” 在一个持续一年的社会科学研究中，若研究的范围包括了诸如世界探险、工业革命、第二次世界大战等，它会是一个基本问题。在交叉学科的研究中如语言艺术/社会科学研究，我们探讨问题的不同侧面，它也可以成为一个基本问题。在研究一个特定的项目如“进化”时，它也可以成为一个单元问题内容问题不同于单元问题和基本问题,大多涉及的是事实而不是该事实的阐释,都有明确的答案。建构课程框架问题的提示：开始去做…不要担心它的技巧和语言，重点是头脑风暴. 你先以陈述的方式把问题写下来，然后把它修改为疑问句。如果需要的话，用成人的语言把基本意思写下来，然后把它转为“学生”的语言。确认无论是基本问题还是单元问题，他们都不只有一个明显的“正确”答案。不要过多担心你的问题到底是“基本问题”还是“单元问题—你要重点关注它是否需要更高层次的思维技能。记?。阂桓龊玫奈侍夂秃玫牡ピ男纬墒且桓龇锤吹墓蹋?