一、课程简介       商品供应链是指从初级生产直到消费的各环节和操作的顺序，涉及商品及其辅料的生产、加工、分销、贮存和处理，其范围从原材料生产者、商品生产制造商、运输和仓储者、转包商到零售商和商品服务环节以及相关的组织。采用信息技术是提高商品供应链的运作绩效、新商品开发以及完善商品质量的有效手段之一， 主要目就是改变“静态、孤立、离散”的数据应用现状，实现业务核心指标监测的直观性，报表数据信息展示的联动性，以及用户报表阅读思路的连续性，提升数据对管理与决策的支撑能力，能否通过一张报表实现如下功能： （1）对集团各公司各类订单出货,欠货，接单于产能等进行实时监控 （2）对集团各公司生产入库,目标达成等情况进行跟踪管理 （3）对集团各公司库存的成本,呆滞情况,现存量是否满足需要等情况进行重点分析 ”。   二、技术点       BI、ETL、可视化大屏

一、课程简介      通过本课程的学习，使学生学会使用Power BI进行数据获取、数据处理与建模、数据分析与可视化、数据分析报表、数据部署，并详细学习自助售货机综合案例，将理论与实践相结合，为将来从事数据分析研究

一、课程简介       通过学习本课程，可掌握语音信号基础、语音文件参数、Python语音文件操作、Python语音数据预处理、Python语音特征提取等知识点，并为后续相关课程学习及将来从事数据挖掘、数据挖掘开发和科研业务奠定基础。 课程以全面介绍了语音的基础及其应用，讲解了如何利用Python的知识解决部分实际的语音问题。首先介绍学习语音的基础内容，包括语音的数据类型、语音文件参数、语音信号等。然后介绍如何使用Python读写语音文件、语音去噪、去静音、语音特征提取等内容。   二、配套教材       关于课程的相关教材，可以点击注册登录云教材，进行搜索下载你所需的教材相关的PPT、教案、教学进度表等资源包，丰富你的课堂体验。

《Python特征工程实战》课程由浅及深，从介绍特征工程基础概念开始，采用具体案例数据讲解数据预处理、特征处理的方法，包括特征构建，特征选择，降维与特征转换，特征学习，再通过实践与理论相结合，最后以《表情识别

TensorFlow2的常用数据类型和操作，接着学习线性模型的构建，包括初始化模型、构建损失函数、模型训练及可视化等内容，接着学习高阶API-Keras的使用，最后通过《mnist手写数字识别》与《鸢尾花分类》案例巩固前面学习的知识

步步深入，详细介绍了文本预处理的正则表达式、包括机械分词法、马尔科夫链分词法、jieba分词、隐马尔可夫模型与viterbi算法的原理和应用和词云图的绘制在内的中文分词相关技术和算法，最后用垃圾短信分类案例展示了从最开始的数据抽取到最终的模型构建的完整的文本挖掘总体流程

一、课程简介       通过学习本课程，可掌握不同机器学习算法的应用场景，算法理论基础，编程实现、模型评价体系等，为后续课程的学习及从事数据挖掘的开发和项目业务奠定基础。 课程以任务式为导向，全面介绍了《Python机器学习算法实现》及其知识的应用，是大数据与人工智能Python系列课程的核心课程。首先课程深入讲解了机器学习中的常用算法，内容包括机器学习绪论、模型评估与选择、回归分析、决策树、神经网络、KNN、朴素贝叶斯、聚类分析、支持向量机算法的Python实现，详细阐述了每种算法解决问题时的思路，最后介绍了算法的相关任务的具体操作。   二、建议前置课程 Python编程基础 Python数据分析与应用 三、配套教材       关于课程的相关教材，可以点击注册登录云教材，进行搜索下载你所需的教材相关的PPT、教案、教学进度表等资源包，丰富你的课堂体验。