基础部分包括了Python数据可视化概述、数据的读取与处理、Matplotlib数据可视化基础、seaborn绘制进阶图形、pyecharts交互式绘图，实战部分包括了广电大数据可视化项目实战、新零售智能销售数据可视化实战

9章，介绍商务领域不同方向项目的数据分析方法，具体内容包括R语言数据分析概述、商品零售购物篮分析、航空公司客户价值分析、财政收入预测分析、金融服务机构资金流量预测、P2P信用贷款风险控制、电子商务网站智能推荐服务

❀❀❀本项目正在招募中❀❀❀ ▣ 工作内容 由学生根据下方清单任选一个项目，按照泰迪智能科技提供的项目标准，基于ModelEasy平台完成相关资源开发。   ▣ 交付清单 1.

 ‖ 课程简介  本课程是图书《Excel数据分析基础与实战（第2版）（微课版）》的配套学习视频。本书采用任务式编写模式，从数据分析的知识点介绍到具体的项目的实践应用，让读者明确如何利用所学知识来解决问题。最后还通过实训和课后练习进一步的巩固所学知识，从而使读者真正理解并能够应用所学知识。本书以数据分析的流程开展，不堆积知识点，与先进职业教育理念适配。且注重思路的启发与解决方案的实施，可促进其思维能力的建设。 《Excel数据分析基础与实战》的相关信息和资源详见泰迪云教材https://book.tipdm.org/jc/166。  ‖ 教材特色 本书对标“三教”改革要求，贯彻任务导向的理实一体化教学理念和实践特点。 本书是“以纸质教材为核心、以互联网+为载体”的新形态教材，配套数字资源，引领教材与课程教学改革，打造了“一书、一课、一空间”混合式教学新生态，体现先进职业教育理念。 ‖ 配套资源 配套数字资源包括： 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《Excel数据分析基础与实战（第2版）（微课版）》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。

‖ 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，Python数据挖掘的编程基础、数据探索、数据预处理、数据挖掘算法基础等基础知识；实战篇内容包括8个案例，分别为财政收入影响因素分析及预测、航空公司客户价值分析、商品零售购物篮分析、基于水色图像的水质评价、家用热水器用户行为分析与事件识别、电子商务网站用户行为分析及服务推荐、电商产品评论数据情感分析以及基于开源平台实现的航空公司客户价值分析案例。 ‖ 教材特色 本书充分融入“泰迪杯”数据分析技能赛技术标准要求，符合大数据应用开发（Python）“1+X”职业技能证书要求，实现“课证融通”。 本书从实践出发，结合大量数据挖掘工程案例，以真实案例为主线，深入浅出介绍数据挖掘建模过程中的有关任务。 本书是“以纸质教材为核心、以互联网+为载体”的新形态教材，配套数字资源，引领教材与课程教学改革，打造了“一书、一课、一空间”混合式教学新生态，体现先进职业教育理念。 提供AI答疑，可以扫码与AI助手对话。 ‖ 配套资源 配套数字资源包括： 正文数据和代码 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《Python数据分析与挖掘实战（第2版）》进行查看与下载！网站还提供了样书申请、批量订购、联合编写等服务。

本课程是图书《Python数据分析与挖掘实战》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，Python数据挖掘的编程基础、数据探索、数据预处理、数据挖掘算法基础等基础知识；实战篇内容包括6个案例，分别为信用卡高风险客户识别、餐饮企业菜品关联分析、金融服务机构资金流量预测、O2O优惠券使用预测、电视产品个性化推荐以及基于开源平台实现的信用卡高风险客户识别案例。 ‖ 教材特色 本书以应用为导向，注重启发式教学，将理论与实践相结合。 本书是“以纸质教材为核心、以互联网+为载体”的新形态教材，配套数字资源，引领教材与课程教学改革，打造了“一书、一课、一空间”混合式教学新生态，体现先进职业教育理念。 ‖ 配套资源 配套数字资源包括： 正文数据和代码 习题数据和答案 实训数据 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《Python数据分析与挖掘实战》进行查看与下载！网站还提供了样书申请、批量订购、联合编写等服务。

本项目综合了Python数据分析、数据可视化、智能推荐等技术。   本项目首先探索数据总体的分布情况，然后根据业务问题从不同维度分析数据。