python数据挖掘及深度学习虚拟仿真系统实验技术参数

python数据挖掘及深度学习虚拟仿真系统实验技术参数

、技术指标:

  1. ★系统采用B/S 架构,支持PC端使用模式,支持本地部署及云端部署。
  2. 系统分为教师端、学生端、管理员端,教师端提供班级管理、实验管理、实验报告管理,浏览器模式支持,Chorme,FireFox等支持HTML5主流浏览器使用,无需指定浏览器种类,无需下载插件,管理端可以对实验数据进行配置,配置生效后,学生端看到的实验数据实时发生变化,直接影响学生决策。
  3. ★系统界面直观、流程清晰,容易理解和使用,操作方便;教师可根据不同班级开设不同实验,同一个班级可以开通多个实验,教师端操作界面可实时监控每个班级每个学生的实验情况。
  4. 支持教学设计、教学过程、教学评价、教学资源、教学观测的全过程信息化管理。
  5. 支持实验结束后可自动生成实验报告,学生实验成绩可导出。
  6. 系统支持带有常见异常问题处理参考功能。
  • 功能指标:
  1. 教师端功能
    • 班级管理:

1.1.1、★教师可以创建班级,可通过excel导入,也可以单独添加班级内的学生;教师可以删除和修改已有班级信息,教师可以对学生密码进行重置。

  • 实验管理:
    • ★实验前可进行实验设置,包括开课方式、实验数据、是否显示代码答案,开课方式支持“班级开课”和“快速开课”,快速开课无需创建班级,通过实验码所有人都可进入课程,对于不同实验数据会有不同的实验说明,告知教师不同数据的区别,选择显示代码答案,学生在实验时可以查看实验答案。
    • ★进入实验后,教师可以看到实验控制台界面,包括实验知识点和规则、实验入口、实验进度、实验分析、更多操作;实验入口界面有实验链接,学生可通过实验链接在电脑端浏览器进入实验,系统支持快速复制功能可将电脑端实验链接快速复制;实验进度界面老师可以实时查看每个学生的进度;实验分析界面系统支持学生的成绩可以进行表格统计和图表统计,并且带有实验讲解的功能,教师还可以在授课时通过“随机点名”功能对已经加入课程的学生进行点名。
  • 实验报告:

1.3.1、★实验结束后支持教师在“授课历史”界面进行数据分析,同时系统支持教师查看所有的开课历史;系统支持教师导出实验成绩;系统支持教师在实验结束后通过授课记录查看之前的实验授课数据;学生成绩默认用的是系统自动打分,老师可以设置自动打分和手动打分权重比例,设置完比例后,老师可以手动对每个学生进行打分,然后学生成绩会实时重新计算。

  1. 学生端功能

2.1、我的实验:系统支持学生查看老师开启的所有实验,点击“进入实验”按钮可直接进入实验中。

2.2、★实验报告:学生可以查看参加的所有已结束的实验,系统支持点击“查看详情”按钮,查看详细的实验数据及得分详情。

2.3、学生端可以查看系统基本操作流程以及一些异常处理方案。

  1. 管理员功能

3.1、管理员管理:可以新增管理员需填写姓名、账号、初始密码及权限分配(权限内容不少于28种),系统支持对已经存在的管理员进行修改或删除。

3.2、用户管理

3.2.1、学校管理员:可以新增学校管理员,可以填写姓名、账号、初始密码、子账号上限

3.2.2、正式用户:支持新增老师操作,可以实现填写老师的院系、姓名、手机号及可以将已有老师的信息导出等功能操作。

3.3、实验管理

3.3.1、实验标签:系统支持添加实验标签,填写标签名及所属大类,系统支持修改已有信息。

3.3.2、实验类型:系统支持新增类型,填写类型名、实验开始地址、实验历史记录地址、录制实验数据地址、学生开始实验数据地址、学生2d页面菜单Json,系统支持选择是否需要上传实验报告、pc端实验注意事项、手机端实验注意事项的功能,系统支持已有信息进行修改。

3.3.3、学科大类:系统支持添加大类,系统支持二级小类添加、修改、删除。

3.3.4、实验列表:系统支持新增实验,填写实验大类、标签、实验名、实验时长、是否对外可用、实验封面、实验介绍。系统支持对原有实验“数据”进行修改,或者屏蔽实验。

3.3.5、实验视频:系统支持对已有的实验视频进行上传或者删除的功能。

3.3.6、教程章节:系统支持新增教材填写教材名称。

3.4、统计

3.4.1、教师日志:系统支持根据教师姓名、手机号进行模糊查询或全匹配查询的功能,系统支持查看教师的开课记录、登录日志。

3.4.2、开课日志:系统支持根据实验名称、教师姓名、手机号、时间段进行模糊查询或全匹配查询。

3.4.3、登录日志:系统支持查看账号类型、登录时间、登出时间及登录IP。

3.4.4、开课次数统计:系统支持根据实验名称,时间段查询教师开课次数,可以按倒序排列、按正序排列,也可以进行导出等功能。

  1. 实验功能

4.1、实验全过程以2D形式展开,通过2D课程表方式带入学生认识实验知识点及实操题,学生需学习相关知识点内容并完成相关实操题代码撰写。

4.2、学生端有开始实验和实验报告界面。

4.3、★学生进入实验主界面后,在左菜单栏可看到课程表,含有基本介绍,特征工程的知识点及实操题,回归分析的知识点及实操题,关联规则分析的知识点及实操题,分类分析的知识点及实操题,聚类分析的知识点及实操题,神经网络与深度学习的知识点及实操题,机器学习实战-数据挖掘。

4.4、★学生进入实验后学生可点击左侧基本介绍了解“数据挖掘”,“机器学习”实验知识点基本介绍。

4.5、★学生点击左侧“特征工程”,系统通过图文并茂的方式显示学习特征预处理的标签编码、独热编码、二值特征、多项式特征、分箱处理、分位数切分、对数变换、标准化和归一化等知识点,系统内置部分知识点的例子。

4.6、★学生点击左侧“特征选择”,系统通过图文并茂的方式介绍主成分分析(PCA)方法,系统内置代码实例;

4.7、★实操题界面系统内置实操题及 Python 代码编译器,系统内置支持明亮主题不少于 4 种、暗黑主题不少于 5 种,学生切换主题后系统会实时切换,输入代码后有快捷代码提示,点击右上方绿色“运行”按钮系统会将输入的代码运行,系统会给出相对应的提示,提示内容有得分逻辑:本题分值,其中运行结果得分,核心代码部分得分;得分组成为运行结果得分和核心代码匹配点得分,点击运行旁边“保存”按钮可以保存数据,系统支持将写代码界面全屏功能,若实验设置开启显示代码答案,在实操题提交后会显示正确答案。

4.8、★学生实验点击“回归分析”

4.8.1、★“回归分析”实验内容下含“回归分析简介”介绍回归分析的定义与分类、回归分析的过程等知识点。

4.8.2、★“回归分析”实验内容下含“线性回归简介”介绍线性回归知识点,系统内置数学公式例子。

4.8.3、★“回归分析”实验内容下含“一元线性回归”介绍一元线性回归知识点。

4.8.4、★“回归分析”实验内容下含“多元线性回归”介绍多元线性回归知识点,含特征选择,模型训练,模型评估,残差分析等知识内容。

4.8.5、★“回归分析”实验内容下含“逻辑回归”介绍逻辑回归知识点,含多分类问题(模型训练,模型评估,决策边界)二分类问题(模型训练,模型评估,决策边界)等知识内容。

4.8.6、★“回归分析”实验内容下含“多项式回归”介绍多项式回归知识点,含数据准备,线性回归,多项式回归,等知识内容。

4.8.7、★“回归分析”实验内容下含“岭回归”介绍岭回归知识点。

4.8.8、★“回归分析”实验内容下含“lasso回归”介绍lasso回归知识点。

4.8.9、★“回归分析”实验内容下含“逐步回归”介绍逐步回归知识点。

4.8.10、★“回归分析”实验内容下,系统内置不少于3道实操题。

4.9、学生实验点击“关联规则分析”

4.9.1、★“关联规则分析”实验内容下包含有关联规则分析简介,Apriori算法的案例数据,关联规则挖取,关联规则可视化等知识点,“关联规则分析”实验内容下,系统内置不少于1道实操题。

4.10、★学生实验点击“分类分析”

4.10.1、★“分类分析”实验内容下包含“分类分析”简介,,决策树,K近邻算法,支持向量机等知识点,系统内置不少于3道实操题。

4.11、★学生实验点击“聚类分析”

4.11.1、★“聚类分析”实验内容下包含“聚类分析”简介,AGNES层次聚类,DBSCAN密度聚类等知识点,系统内置不少于3道实操题。

4.12学生实验点击“神经网络与深度学习”

4.12.1、★“神经网络与深度学习”实验内容下包含神经网络,深度学习等知识点,系统内置不少于1道实操题。

4.13、★学生实验点击“机器学习实战-数据挖掘”

4.13.1、★“机器学习实战-数据挖掘”含电话营销响应预测建模,系统不少于1道实操题。

4.14、★评分标准:章节阅读,了解大数据分析知识,满足阅读时长给分,满分20分;实操题,运用已知知识进行编程,满分60分;实战题,运用综合性知识进行编程,满分20分。

未经允许不得转载:乐搜源码 » python数据挖掘及深度学习虚拟仿真系统实验技术参数

赞 (0) 打赏

评论 0

评论前必须登录!

登陆 注册

觉得文章有用就打赏一下文章作者

微信扫一扫打赏