数据科学技术与应用
学习提示:评分标准与第三方库
课程源:中国大学MOOC-东华大学-宋晖等-数据科学技术与应用
一、 评分标准详解
课程评价项:
1)完成所有课程的学习;
2)完成课程单元测试;(10分)
3)完成课堂交流讨论3次及以上;(20分)
4)完成指定的4次课后作业;(30分)
5)参加考试(课程结束后1周);(40分)
证书:
1)完成课程5项评价内容,
2)评价2、3、4、5项按分值占比计入总评分
3)总评分超过60分即可获得证书
4)总评分超过85分可获得优秀学员证书
1.在课程学习的过程中,由于中国大学MOOC学习平台的机制,完成课程学习与是否点亮课程后的绿色点无关,不计入评分。也就是说,简单来说,就算一个绿色点也没有点亮,其他项均为满分,也是可以以100分来完成课程的。
2.单元测试多次考试取最高分,不再赘述。
3.课堂交流即在课堂交流区的教师发帖下回复即可,达到数量目标一般即可得分。
4.作业和考试完成并完成所有互评才能拿到所有的分数。
(非常重要!!!有互评的一定要按时互评!!!)
5.*(可选)*关注课程,在时间要求内申请证书。现在没有免费证书了,都是100元一张,一般在下一学期开始的时候才会寄到。
二、 本课程所需要安装的第三方库
1.在作业中使用到的第三方库
建议找个空闲的时间,安装完以下所有的库,有些库的安装耗费时间很长。
以下第三方库大多可以使用pip进行安装,我也十分推荐用这个方法进行安装。如果曾经安装过部分第三方库,pip会有提示。也可以通过pip来更新第三方库。
建议在使用第三方库的时候,第三方库保持最新。
名称 | 简介 |
---|---|
numpy | NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。 |
pandas | Pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同时也提供数据清洗功能。 |
matplotlib | matplotlib是基于Python语言的开源项目,旨在为Python提供一个数据绘图包。 |
xgboost | XGBoost是一套提升树可扩展的机器学习系统。 |
keras | Keras是一个由Python编写的开源人工神经网络库,可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口,进行深度学习模型的设计、调试、评估、应用和可视化。 |
sklearn | scikit-learn 是基于 Python 语言的机器学习工具。简单高效的数据挖掘和数据分析工具,可供大家在各种环境中重复使用,建立在 NumPy ,SciPy 和 matplotlib 上,开源,可商业使用。 |
graphviz | Graphviz 是一款由 AT&T Research 和 Lucent Bell 实验室开源的可视化图形工具,可以很方便的用来绘制结构化的图形网络,支持多种格式输出。 |
2.课程中用到的其他第三方库
名称 | 简介 |
---|---|
jieba | jieba 库是一款优秀的 Python 第三方中文分词库,jieba 支持三种分词模式:精确模式、全模式和搜索引擎模式。 |
scikit-Image | scikit-image是图像处理和计算机视觉算法的集合。 |
statsmodels | statsmodels是一个Python模块,它提供对许多不同统计模型估计的类和函数,并且可以进行统计测试和统计数据的探索。 |
baidu-aip | 百度的语音识别依赖包。 |