保标招标 > 广东招投标网 > 招标信息 > 数据挖掘课程资源采购项目

数据挖掘课程资源采购项目

招标信息 2022-10-29 | 人围观

标签：仪器设备热水器模型数据课程

您目前的状态：非注册用户(**部分为隐藏内容，仅对会员开放)

查看详细内容请先登录或注册成为会员服务热线：18995537323

数据挖掘课程资源采购项目

******公告(JJ***)

...

说明：******公告内容有异议的，******截止时间前通过规定途径提起异议，逾期将视为无异议，不予受理。

采购单位：******院

联系人：张老师

联系电话：***-***

E-mail：[email protected]

传真：无

联系手机：无

邮编：无

质疑电话：***-***

平台联系电话（异议）：***-***；[email protected]

项目名称：

数据挖掘课程资源采购项目

******编号：

JJ***

采购类型：货物类

开始时间：***-10-29 15:42:38

项目预算(元)：30,***.00

结束时间：***-11-01 16:29:00

一、基本信息

****编号：JJ*
项目名称：数据挖掘课程资源采购项目
项目预算(元)：30,***.00	****方式： **********
采购单位：******院	联系人：张老师
******家数：3	联系电话：*-*
联系手机：无	电子邮箱：[email protected]
异议反馈：*-*；[email protected]
开始时间：***-10-29 15:42:38	截止时间：***-11-01 16:29:00
邮编：无	平台联系电话（异议）：*-*；[email protected]
采购类型：货物类	开始时间：***-10-29 15:42:38
项目预算(元)：30,***.00	结束时间：***-11-01 16:29:00

二、资格条件

资格条件：1.国内独立法人,******章； 2.************备和专业技术能力； ************承诺作书面承诺

三、******要求

付款方式：验收合格后***%付款
交付时间：签订合同后5天送货。
交付地址： ****学路*****院弘德楼*。
质保期及售后要求：1.****原装全新货物； 2.********，**装及耗材等费用。**一经确认，供应商不得再向我方收取除合同规定外的任何费用； 3.********装调试，**；供应商不得变更、调整、减少参数需求，**条款作一一响应，****明材料的必须提供后方能签署合同。
其他要求：****：1、**装调试 2、****。出现故障4小时内响应，24小时完成维修。

******人资格条件：1.国内独立法人,******章； 2.************备和专业技术能力； ************承诺作书面承诺

备注：

******成交结果有异议的，************告发布之日起3天内提起异议，逾期将视为无异议，不予受理。

四、技术要求

项目名称：数据挖掘课程资源采购项目

产品信息

序号	标的名称	数量	单位	品牌	产品类别	型号
1	数据挖掘课程资源	1.00	套	泰迪 Python******习算法实现	是	一、课程简介 ****习本课程，可掌握各个算法的应用场景，算法理论基础，编程实现、**体系等，********奠定基础。 **式为导向，全面介绍了《Python**习算法实现》及其知识的应用，**数据与人工智能Python**课程。********的常用算法，**习绪论、模型评估与选择、回归分析、决策树、神经网络、KNN、朴素贝叶斯、聚类分析、支持向量机算法的Python实现，详细阐述了每种算法解决问题时的思路，**的具体操作。二、课时数 **36学时，**28学时，**64学时。三、课程资源包含实训指导书≥15份、课程视频≥49个、9份课程PPT≥、数据≥7份、代码≥10份。四、课程内容第1**习绪论： 1.1引言 1.2基本术语 1.3**空间&归纳偏好第2章模型评估与选择 2.1经验误差与过拟合 2.2评估方法 2.3性能度量 2.4性能度量Python实现第3章回归分析 3.1线性回归基本形式 3.2线性回归模型的Python实现 3.3**预测的Python实现 3.4逻辑回归介绍 3.5********录取预测的Python实现第4章决策树 4.1从女生相亲到决策树 4.2明天适合打球吗 4.3决策树拆分属性选择 4.4决策树算法家族 4.5泰坦尼克号生还者预测—**理 4.6泰坦尼克号生还者预测—**与预测 4.7决策树可视化第5章神经网络 5.1单个神经元介绍 5.2经典网络结构介绍 5.3神经网络工作流程演示 5.4如何修正网络参数-梯度下降法 5.5网络工作原理推导 5.6**准备 5.7样本从输入层到隐层传输的Python实现 5.8网络输出的Python实现 5.9单样本网络训练的Python实现 5.10全样本网络训练的Python实现 5.11** 5.12调用sklearn实现神经网络算法第6章KNN 6.1KNN算法介绍 6.2KNN算法解决鸢尾花分类问题第7章朴素贝叶斯 7.1非洲人还是北美人 7.2为什么有朴素二字 7.3拉普拉斯修正 7.4用高斯朴素贝叶斯算法解决鸢尾花分类问题第8章聚类分析 8.1聚类分析概述 8.2相似性度量 8.3K-Means聚类分析算法介绍 8.4利用K-Means算法对鸢尾花进行聚类 8.5聚类结果的性能度量 8.6调用sklearn实现聚类分析第9章支持向量机 9.1间隔与支持向量 9.2对偶问题 9.3核函数 9.4软间隔与正则化 9.5支持向量机算法的Python实现第10章小结 10小结五、实训目录第1章回归分析实训1 **预测模型实训2 **究生是否被录取进行预测第2章决策树实训1 决策树算法自编实训2 ****鸢尾花分类模型第3章神经网络实训1 自定义sigmoid激活函数实训2 网络输入到输出实训3 网络权值和阈值更新实训4 网络模型训练实训5 网络模型预测第4章 KNN与朴素贝叶斯实训1 求距离矩阵实训2 找邻居实训3 归类实训4 自编KNN算法实现鸢尾花分类第5章聚类分析实训1 对鸢尾花数据进行K-Means聚类第6章支持向量机实训1 用支持向量机解决鸢尾花分类
技术要求：一、课程简介 ****习本课程，可掌握各个算法的应用场景，算法理论基础，编程实现、**体系等，********奠定基础。 **式为导向，全面介绍了《Python**习算法实现》及其知识的应用，**数据与人工智能Python**课程。********的常用算法，**习绪论、模型评估与选择、回归分析、决策树、神经网络、KNN、朴素贝叶斯、聚类分析、支持向量机算法的Python实现，详细阐述了每种算法解决问题时的思路，**的具体操作。二、课时数 **36学时，**28学时，**64学时。三、课程资源包含实训指导书≥15份、课程视频≥49个、9份课程PPT≥、数据≥7份、代码≥10份。四、课程内容第1**习绪论： 1.1引言 1.2基本术语 1.3**空间&归纳偏好第2章模型评估与选择 2.1经验误差与过拟合 2.2评估方法 2.3性能度量 2.4性能度量Python实现第3章回归分析 3.1线性回归基本形式 3.2线性回归模型的Python实现 3.3**预测的Python实现 3.4逻辑回归介绍 3.5********录取预测的Python实现第4章决策树 4.1从女生相亲到决策树 4.2明天适合打球吗 4.3决策树拆分属性选择 4.4决策树算法家族 4.5泰坦尼克号生还者预测—**理 4.6泰坦尼克号生还者预测—**与预测 4.7决策树可视化第5章神经网络 5.1单个神经元介绍 5.2经典网络结构介绍 5.3神经网络工作流程演示 5.4如何修正网络参数-梯度下降法 5.5网络工作原理推导 5.6**准备 5.7样本从输入层到隐层传输的Python实现 5.8网络输出的Python实现 5.9单样本网络训练的Python实现 5.10全样本网络训练的Python实现 5.11** 5.12调用sklearn实现神经网络算法第6章KNN 6.1KNN算法介绍 6.2KNN算法解决鸢尾花分类问题第7章朴素贝叶斯 7.1非洲人还是北美人 7.2为什么有朴素二字 7.3拉普拉斯修正 7.4用高斯朴素贝叶斯算法解决鸢尾花分类问题第8章聚类分析 8.1聚类分析概述 8.2相似性度量 8.3K-Means聚类分析算法介绍 8.4利用K-Means算法对鸢尾花进行聚类 8.5聚类结果的性能度量 8.6调用sklearn实现聚类分析第9章支持向量机 9.1间隔与支持向量 9.2对偶问题 9.3核函数 9.4软间隔与正则化 9.5支持向量机算法的Python实现第10章小结 10小结五、实训目录第1章回归分析实训1 **预测模型实训2 **究生是否被录取进行预测第2章决策树实训1 决策树算法自编实训2 ****鸢尾花分类模型第3章神经网络实训1 自定义sigmoid激活函数实训2 网络输入到输出实训3 网络权值和阈值更新实训4 网络模型训练实训5 网络模型预测第4章 KNN与朴素贝叶斯实训1 求距离矩阵实训2 找邻居实训3 归类实训4 自编KNN算法实现鸢尾花分类第5章聚类分析实训1 对鸢尾花数据进行K-Means聚类第6章支持向量机实训1 用支持向量机解决鸢尾花分类
******：
2	数据挖掘课程资源	1.00	套	泰迪 Python文本挖掘实战	是	一、课程简介 ****习本课程，可掌握文本挖掘的原理，利用文本挖掘绘制词云图具体流程，**方法，**习及将来从事数据挖掘，数据挖掘开发奠定基础。 **式为导向，全面介绍了文本信息转化为数据，**模分析，**内容、分析文本数据之间的关系等内容，**习文本挖掘的首选课程，开始介绍了文本挖掘的原理、常见文本分类器、文本向量化表示、**等内容。二、课时数 **16学时，**16学时，**32学时。三、课程资源包含实训指导书≥9份、课程视频≥18个、课程PPT≥2份、数据≥7份、代码≥12份。四、课程内容第1**理技术： 1.1 文本挖掘概述第2章常见文本分类器及评估： 2.1 **理_正则表达式 2.2 中文分词概述 2.2.1 机械分词法 2.2.2 马尔科夫链分词法 2.2.3 隐马尔可夫模型（HMM） 2.2.4 viterbi算法 2.2.5 隐马尔可夫与viterbi算法应用 2.2.6 jieba库_jieba分词 2.3 绘制词云第3章文本向量化表示： 3.1 文本向量化表示第4**： 4.1 案例：垃圾短信识别_数据抽取 4.2 案例：垃圾短信识别_文本清洗 4.3 案例：垃圾短信识别_分词与去除停用词 4.4 案例：垃圾短息识别_绘制词云 4.5 案例：垃圾短信识别_文本向量化表示 4.6 案例：垃圾短信识别_文本分类器 4.7 案例：垃圾短信识别_分类模型评估五、实训目录第1章 **理技术：实训1 正则表达式实训2 中文分词：匹配法实训3 中文分词：HMM 实训4 中文分词：HMM的维特比算法实现分词实训5 绘制词云第2章 **：实训1 文本分类：数据探索实训2 文本分类：****理实训3 文本分类：绘制词云图实训4 文本分类：识别垃圾短信
技术要求：一、课程简介 ****习本课程，可掌握文本挖掘的原理，利用文本挖掘绘制词云图具体流程，**方法，**习及将来从事数据挖掘，数据挖掘开发奠定基础。 **式为导向，全面介绍了文本信息转化为数据，**模分析，**内容、分析文本数据之间的关系等内容，**习文本挖掘的首选课程，开始介绍了文本挖掘的原理、常见文本分类器、文本向量化表示、**等内容。二、课时数 **16学时，**16学时，**32学时。三、课程资源包含实训指导书≥9份、课程视频≥18个、课程PPT≥2份、数据≥7份、代码≥12份。四、课程内容第1**理技术： 1.1 文本挖掘概述第2章常见文本分类器及评估： 2.1 **理_正则表达式 2.2 中文分词概述 2.2.1 机械分词法 2.2.2 马尔科夫链分词法 2.2.3 隐马尔可夫模型（HMM） 2.2.4 viterbi算法 2.2.5 隐马尔可夫与viterbi算法应用 2.2.6 jieba库_jieba分词 2.3 绘制词云第3章文本向量化表示： 3.1 文本向量化表示第4**： 4.1 案例：垃圾短信识别_数据抽取 4.2 案例：垃圾短信识别_文本清洗 4.3 案例：垃圾短信识别_分词与去除停用词 4.4 案例：垃圾短息识别_绘制词云 4.5 案例：垃圾短信识别_文本向量化表示 4.6 案例：垃圾短信识别_文本分类器 4.7 案例：垃圾短信识别_分类模型评估五、实训目录第1章 **理技术：实训1 正则表达式实训2 中文分词：匹配法实训3 中文分词：HMM 实训4 中文分词：HMM的维特比算法实现分词实训5 绘制词云第2章 **：实训1 文本分类：数据探索实训2 文本分类：****理实训3 文本分类：绘制词云图实训4 文本分类：识别垃圾短信
******：
3	数据挖掘课程资源	1.00	套	泰迪家用热水器用户行为分析	是	一、案例资源包含实训指导书≥3份、案例视频≥9个、案例PPT≥1份、数据≥5份、代码≥3份。二、概要 ****习本案例，**理、划分事件、确定阈值、**、BP**的主要方法和技能，**习及将来从事数据分析工作奠定基础。 **，会因为地区气候、区域不同和用户年龄性别差异等原因，形成不同的使用习惯。********抽取用户的用水数据为数据源，********分析等。本案例的主要分析目标如下。（1）对用户的洗浴事件进行识别，根据识别结果比较不同客户群的客户使用习惯，加深对客户的理解。（2）对不同的客户群提供最适合的个性化产品，**发和制定相应的营销策略。三、课时数 **4学时，**8学时，**12学时。四、目标 **到的数据，划分一次完整用水事件并识别出洗浴事件。五、流程 1)数据抽取：********抽取用户的用水数据。 2)**理：删除冗余特征；划分用水事件；确定单次用水事件时长阈值；**用水时长与频率特征、用水量与波动特征；筛选候选洗浴事件。 3)**：********，**神经网络模型，**神经网络模型。 4)模型解读：计算在洗浴事件识别上精确率（precision）和召回率（recall）并判断此模型的效果和适用情况。六、技术点 **理；划分事件；确定阈值；**；神经网络模型。七、案例内容 1)案例背景 2)删除冗余特征 3)划分用水事件 4)确定单次用水事件时长阈值 5)**用水时长与频率特征 6)**停顿特征 7)**用水量与波动特征 8)筛选候选洗浴事件 9)** 八、实训目录实训1 **理热水器用户用水数据实训2 **用水行为特征并筛选用水事件实训3 ****BP神经网络模型
技术要求：一、案例资源包含实训指导书≥3份、案例视频≥9个、案例PPT≥1份、数据≥5份、代码≥3份。二、概要 ****习本案例，**理、划分事件、确定阈值、**、BP**的主要方法和技能，**习及将来从事数据分析工作奠定基础。 **，会因为地区气候、区域不同和用户年龄性别差异等原因，形成不同的使用习惯。********抽取用户的用水数据为数据源，********分析等。本案例的主要分析目标如下。（1）对用户的洗浴事件进行识别，根据识别结果比较不同客户群的客户使用习惯，加深对客户的理解。（2）对不同的客户群提供最适合的个性化产品，**发和制定相应的营销策略。三、课时数 **4学时，**8学时，**12学时。四、目标 **到的数据，划分一次完整用水事件并识别出洗浴事件。五、流程 1)数据抽取：********抽取用户的用水数据。 2)**理：删除冗余特征；划分用水事件；确定单次用水事件时长阈值；**用水时长与频率特征、用水量与波动特征；筛选候选洗浴事件。 3)**：********，**神经网络模型，**神经网络模型。 4)模型解读：计算在洗浴事件识别上精确率（precision）和召回率（recall）并判断此模型的效果和适用情况。六、技术点 **理；划分事件；确定阈值；**；神经网络模型。七、案例内容 1)案例背景 2)删除冗余特征 3)划分用水事件 4)确定单次用水事件时长阈值 5)**用水时长与频率特征 6)**停顿特征 7)**用水量与波动特征 8)筛选候选洗浴事件 9)** 八、实训目录实训1 **理热水器用户用水数据实训2 **用水行为特征并筛选用水事件实训3 ****BP神经网络模型
******：

产品信息end

五、附件

附件信息

序号	附件名称	上传时间	大小	操作

附件信息end

1 本人已阅读并同意《******须知》

免责声明

本页面提供的内容由采购人发布，************系统及其运营单位对其内容概不负责，亦不承担任何法律责任。未经本平台授权，严禁以任何形式转载或使用本平台数据，一经发现，******法律责任。

也想让你的招标信息展示在这里

打开微信“扫一扫”，添加客服咨询或立即联系客服

招投标工作流程指引

教你中标秘诀

查看干货

付款方式：验收合格后***%付款
交付时间：签订合同后5天送货。
交付地址： ****学路*****院弘德楼*。
质保期及售后要求：1.****原装全新货物； 2.********，**装及耗材等费用。**一经确认，供应商不得再向我方收取除合同规定外的任何费用； 3.********装调试，**；供应商不得变更、调整、减少参数需求，**条款作一一响应，****明材料的必须提供后方能签署合同。
其他要求：****：1、**装调试 2、****。出现故障4小时内响应，24小时完成维修。

保标招标 > 广东招投标网 > 招标信息 > 数据挖掘课程资源采购项目

数据挖掘课程资源采购项目

也想让你的招标信息展示在这里

招投标工作流程指引

教你中标秘诀

更多内容请下载保标APP

热门文章

2022-12-29 阅读(76)

2022-12-29 阅读(20)

2022-12-29 阅读(71)

2022-12-29 阅读(30)

2022-12-29 阅读(8)

2022-12-28 阅读(14)