2.项目目标        本项目旨在利用Python网络爬虫技术获取不同平台的头部主播带货数据。

3.核心技术   （1）Python数据分析   （2）Python数据可视化   （3）Python机器学习

3.核心技术        （1）Python数据分析与应用        （2）Python机器学习实战        （3）TensorFlow2深度学习实战        （4）计算机视觉实战

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术，从庞大的历史数据中，通过模型分析出能够带来较好收益的“大概率”事件，用以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。 我国股票交易通过深交所和上交所两个交易所进行。从1990年至今，深交所和上交所共发行了股票3000多只，如何从这么多的股票中选择投资的股票，预测其涨跌情况，成为众多投资者需要解决的难题。本项目从选出的股票中，采用SVM机器算法模型，根据股票的历史数据，构建训练数据集，采用模型进行机器学习训练获取策略，从而分析预测股票的涨跌情况。 本项目通过相对较短的时间内完成一个大数据和人工智能的股票预测分析任务，向学生展示了大数据和人工智能应用中的分析流程，使学生在现实中的应用有一个整体的了解和掌握。通过本项目的学习，学员不仅能够掌握SVM机器算法的应用，同时还为从事大数据和人工智能累积了项目的方法、流程和经验。 本项目采用“技术顾问”+“项目经理”+“学员”的团队组织模式，以完全企业化的方式与学生进行交流。学员在项目进行中，能熟悉企业的工作环境，在规定时间内完成项目需求、提升专业技术、锻炼团队协作能力与沟通能力。

1.项目背景      为了推动农村电商高质量发展，实现乡村振兴，深入剖析当前农村电商发展存在的突出问题，探索新的发展路径，农村电商“智能菜篮子”等相关程序应运而生，成为了推动农村电商发展、助力乡村振兴的重要手段。此外，农村电商“智能菜篮子”程序可以帮助用户添加、查询和统计购买的农产品及其数量等。   2.项目目标      本项目借助列表、集合、字典或元组等数据结构，构建“智慧菜篮子”的核心逻辑部分，主要实现以下功能。 用户可以添加新的农产品及其购买数量和产地信息，系统能自动合并相同农产品的不同购买记录。 用户可以查询任意农产品的具体信息，了解购买数量和产地。 系统可以自动统计当前购物清单中所包含的所有不同农产品种类。 用户可以查看某一种农产品在购物清单中的总购买数量。   3.核心技术      （1）列表、集合、字典、元组      （2）函数      （3）控制结构

近年来，随着互联网与通信技术的高速发展，学习资源的建设与共享呈现出新的发展趋势，各种网课、慕课、直播课等层出不穷，各种在线教育平台和学习应用纷纷涌现。尤其是2020年春季学期，受新冠疫情影响，在教育部“停课不停学”的要求下，网络平台成为“互联网+教育”成果的重要展示阵地。因此，如何根据教育平台的线上用户信息和学习信息，通过数据分析为教育平台和用户提供精准的课程推荐服务就成为线上教育的热点问题。 本项目提供了某教育平台近两年的运营数据，希望各学员根据这些数据，为平台制定综合的线上课程推荐策略，以便更好地服务线上用户。 本项目主要涉及技术为利用pandas库进行数据预处理，利用matplotlib、pyecharts等库进行数据可视化，以及利用协同过滤算法给出综合推荐策略。

3.核心技术        （1）Python数据分析        （2）Python数据可视化

3.核心技术        （1）Python数据分析        （2）Python数据可视化        （3）Python机器学习

3.核心技术     （1）Python数据分析     （2）Python 数据可视化     （3）Python机器学习