一、课程简介      通过学习本课程，可掌握构建卷积神经网络CNN、构建循环神经网络RNN、长短时间记忆模型LSTM的主要方法和技能，并为后续相关课程学习及将来从事数据挖掘工作奠定基础。

‖ 课程简介 本课程是图书《PySpark大数据分析与应用》的配套学习视频，是校企合作共同开发的大数据技术精品系列教材，也是岗课赛证融通新形态特色教材。

全书共8章，内容包括广电大数据案例的需求分析、Hive的安装部署、用户基本信息的简单查询、用户账单与订单数据的查询进阶、用户收视行为数据的查询优化、广电用户数据的数据清洗与导出、Hive编程开发应用。

‖ 课程简介 本课程是图书《数字图像处理实战》的配套学习视频，本书以图像处理基础理论与真实案例相结合的方式，深入浅出介绍图像处理的常见任务及实现技术。   ‖ 教材特色 1、理论与实战结合：本书以图像处理的应用为主线，注重任务案例的学习，以图像处理常用技术与任务案例相结合的方式，介绍了使用Python实现图像处理任务的主要方法。 2、以应用为导向：本书从图像处理的基础任务介绍，再到具体图像处理案例实现，让读者明白如何利用所学知识来解决问题，从而真正理解并应用所学知识。 3、注重启发式教学：本书大部分章节紧扣图像处理任务需求展开，不堆积知识点，着重于思路的启发与解决方案的实施。通过对图像处理任务介绍到实现的完整工作流程的体验，让读者真正理解并掌握图像处理的相关技术。   ‖ 配套资源 配套数字资源包括： 正文数据和代码 实训数据 习题数据和答案 PPT课件 教学大纲 教学进度表 教案 如需图书相关资料，可前往校企共建云教材网站（https://book.tipdm.org/），搜索书名《数字图像处理实战》进行查看与下载！此外，网站还提供了样书申请、联合编写等服务。

一、课程简介       通过学习本案例，可掌握对获取的原始数据进行预处理、构建预测模型和模型可视化的主要方法和技能，并为后续相关课程学习及将来从事数据分析工作奠定基础。

一、项目背景小明是即将毕业的大学生，学习大数据相关知识，对数据分析岗位感兴趣。 关注公司规模、类型对数据分析岗位的影响，地区分布，薪资福利，核心技能，以及不同行业招聘数量的差异。二、项目目标通过招聘网站数据分析，全面了解数据分析职位，包括公司规模、类型、地区分布、薪资福利和核心技能。 研究不同公司规模和类型对数据分析需求的影响，确定数据分析职位较多的地区，深入探讨薪资水平和福利待遇，比较不同行业招聘数量差异。三、总体思路访问招聘网站，收集与数据分析岗位相关的信息，筛选岗位需求、任职资格、薪资水平等数据，为后续分析提供支持。四、技能要点数据收集与处理能力 文本信息提取与分析能力 数据可视化技能 熟悉大数据分析工具与平台五、创新创意采用图形用户界面进行数据采集，无需编程，快速抓取多种类型数据。 拖拽式操作的大数据挖掘建模平台，降低技术门槛，实现零编码数据分析。 数据可视化平台支持实时更新和在线分享，提升数据展示效果。

本项目基于多名患者的皮肤癌组织显微图像数据进行处理，通过构建模型对皮肤癌图像进行检测和分析，结合人工智能和医疗健康领域，推动智慧医疗的发展，实现个性化、循证的医疗服务，为患者提供更加精准有效的医疗支持，

2.项目目标       本项目旨在理解分析的数据与其涵义，运用数据在TipdmBI平台上以“BYD年度利润分析仪表盘”为模板实现“BYD季度利润分析仪表盘”大屏展示制作。