一、项目背景       手写数字识别(Handwritten Digit Recognition)是光学字符识别技术的一个分支，是模式识别学科的一个传统研究领域。主要研究如何利用电子计算机自动辨认手写在纸张上的阿拉伯数字。手写数字识别分为脱机手写数字识别和联机手写数字识别。本文主要讨论脱机手写数字的识别。 随着信息化的发展，手写数字识别的应用日益广泛，研究高识别率、零误识率和低拒识率的高速识别算法具有重要意义。 （1）阿拉伯数字是唯一被世界各国通用的符号，对手写体数字识别的研究基本上与文化背景无关，各地的研究工作者基于同一平台开展工作，有利于研究的比较和探讨。 （2）手写数字识别应用广泛，如邮政编码自动识别，税表系统和银行支票自动处理等。这些工作以前需要大量的手工录入，投入的人力物力较多，劳动强度较大。手写数字识别的研究适应了无纸化办公的需要，能大大提高工作效率。 （3）由于数字类别只有 10 个，较其他字符识别率较高，可用于验证新的理论和做深入的分析研究。许多机器学习和模式识别领域的新理论和算法都是先用手写数字识别进行检验，验证理论的有效性，然后才应用到更复杂的领域当中。这方面的典型例子就是人工神经网络和支持向量机(Support Vector Machine)。 （4）手写数字的识别方法很容易推广到其它一些相关问题，如对英文之类拼音文字的识别。事实上，很多学者就是把数字和英文字母的识别放在一起研究的。 二、项目目标       1.本项目希望通过使用图像处理、机器学习等相关技术，实现一个图像识别的实战。   三、实现工具       Python3：NumPy、Pandas、Matplotlib、Scikit-learn、Tensorflow等。   注：本课程仅供在线实习班级使用。

一、课程简介       银保监会数据显示，车险作为主要险种在财产保险保费收入中占据着重要位置。2019年，车险保费收入在财产保险保费收入的占比 达到62.9%。

一、项目背景       通过学习本案例，可掌握Selenium进行网页数据的HTML代码获取、XPath提取关键信息、对获取的数据进行处理以及可视化分析的主要方法和技能，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       由于短信的方便、低成本等特点，垃圾短信已经形成了黑色利益链，严重为害社会公众安全。 由于监管缺失，一些不良组织通过各式各样的渠道收集个人手机信息，并将手机信息卖给有需求的商家和业务人员获取利益，同时商家等通过发送广告推销、诈骗等垃圾短息，来谋取利益，严重危害了短信用户的信息安全及正常生活。       公安部、信息产业部、中国银行业监督管理委员会联合发出《在全国范围内统一严打手机违法短信息的通知》等;但目前规范短信业务的制度法来说，仍属空白。   二、项目目标       1.本项目的项目目标基于短信文本内容，建立识别模型，准确地识别出垃圾短信，以解决垃圾短信过滤问题。   三、实现工具       Python3：NumPy、Pandas、Matplotlib、Scikit-learn、tensorflow2等。   注：本课程仅供在线实习班级使用。

一、课程简介       通过学习本案例，可掌握数据抽取、相关性分析、特征选取、预测模型构建的主要方法和技能，并且能够对模型的效果进行分析、解读，为后续相关课程学习及将来从事数据分析工作奠定基础。

某超市为了更好地了解某类产品的销售情况，决定对相关订单数据进行可视化分析。

‖ 课程简介 本课程是图书《Excel数据分析和可视化项目实战》的配套学习视频，介绍了数据分析与可视化的流程、Excel 2016及TipdmBI数据分析和可视化平台（可通过Excel插件访问）、如何使用

‖ 课程简介 本课程是图书《Python数据分析与挖掘实战（第2版）》的配套学习视频，课程内容共分为基础篇（第1~5章）和实战篇（第6~11章）：基础篇内容包括数据挖掘的概述、基本流程、常用工具、开发环境