一、课程简介       通过学习本课程，可掌握Python在静态网页、动态网页、需要登录后才能访问的网页、PC客户端、APP中爬取数据的主要方法和技能，并为后续相关课程学习及将来从事数据分析挖掘研究、数据分析工作奠定基础。 本课程以任务为导向，详细陈述了不同网页的爬取，以及最流行爬虫框架的使用，将理论与实践相结合，内容包括Python爬虫环境与爬虫简介、网页前端基础、简单静态网页爬取、常规动态网页爬取、模拟登录、终端协议分析、Scrapy爬虫。   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。

（1）建立互联网虚假流量识别模型，精准识别虚假作弊流量记录。   二、技术点       Hive、Spark MLlib、决策树、随机森林。  

（2）理解卷积神经网络各个结构的作用，构建一个人脸识别模型。   二、技术点       图像切割；特征信息；特征信息。   三、建议前置课程 TensorFlow2深度学习实战

（2）理解卷积神经网络各个结构的作用，构建一个人脸识别模型。   二、技术点       图像切割；特征信息；特征信息。   三、建议前置课程 TensorFlow2深度学习实战

W 餐饮平台的技术部门决定根据近期用户对菜品的评分历史数据，建立菜品推荐模型，向用户们提供菜品推荐。      2.

本案例以产品信息数据为数据源，通过对数据进行预处理，然后再通过可视化直观的展示数据情况，再进行用户画像的构建最后进行算法模型的构建与分析。   二、项目目标       1.

  在这个信息高速发展的时代，人才市场网络化的产生，使得网络招聘越来越成为如今社会的主流趋势，它以招聘范围广、方便迅速、不受时空限制等区别于传统招聘的优势成为越来越多求职者和企业单位青睐的招聘渠道，在人力资源招募与配置方面中起着至关重要的作用。同时，随着互联网、云计算和大数据产业的兴起，面对海量的网络数据，数据分析、数据挖掘等相应行业也正快速发展。   网络招聘信息反映着各行各业的发展现状，各地区发展水平，不同职业类型对人才基本条件、能力和素质的要求，以及对新兴行业的发展动向都有着最及时有效的传达。因此，对网络招聘信息进行分析研究，了解不同职业领域的需求特点，挖掘兴起的数据类行业相应的人才需求现状及发展趋势，为广大求职者提供正确的就业指导有着重要意义。   本案例将使用非结构化数据“职位描述.csv”，结合分词、TF-IDF(Term Frequency-Inverse Document Frequency, 词频-逆文件频率)等文本挖掘技术，采用Spark ML中的LDA（Latent Dirichlet allocation）聚类算法，对招聘信息进行职业类型的划分。

一、课程简介       系统运维和开发人员可以通过日志了解服务器软硬件信息、检查配置过程中的错误及错误发生的原因。

本案例基于某学校的部分一卡通数据进行分析和处理，并构建模型对学生进行分群，从而了解每一类学生群体的消费特点。   二、项目目标      1.

理解卷积神经网络各个结构的作用，构建一个人脸识别模型   三、实现工具       Python3：Pandas、Matplotlib、open-cv、tensorflow等。