相關主題
商品描述
本書以任務為導向，全面介紹Python數據采集分析與應用技術，包括Python爬蟲、招聘網站實習信息采集與分析、商超用戶價值聚類分析、天問一號相關事件評論情感類型分類、智慧政務中的問政輿情分析、傳感器數據采集、基於YOLOv8的目標檢測、智能感知應用。本書可以作為人工智能訓練師、大數據應用開發（Python）職業技能等級證書的教學和培訓用書，也可以作為高校數據科學與人工智能相關專業的教材，還可以作為數據挖掘愛好者的自學參考書。
目錄大綱
項目1 Python爬蟲 1
學習目標 1
情景描述 2
項目分解 2
項目實施 3
任務1.1 爬取靜態網頁：獲取某企業官網導航欄中的標題和超鏈接 3
1.1.1 使用Chrome開發者工具查看網頁 4
1.1.2 使用Beautiful Soup庫解析網頁 7
1.1.3 將數據存儲至CSV文件 9
任務1.2 爬取動態網頁：獲取百度首頁導航欄中的標題和超鏈接 10
1.2.1 下載瀏覽器驅動 10
1.2.2 使用Selenium打開瀏覽對象並訪問頁面 11
1.2.3 定位導航欄節點並獲取內容 11
1.2.4 將數據存儲至MySQL數據庫 12
項目總結 13
實訓工單 14
項目2 招聘網站實習信息采集與分析 18
學習目標 18
情景描述 19
項目分解 19
項目實施 20
任務2.1 采集數據 20
2.1.1 采集招聘網站中的實習信息 21
2.1.2 保存爬取的數據 24
任務2.2 預處理數據 25
2.2.1 規範化數據 25
2.2.2 清洗數據 29
任務2.3 可視化分析 31
2.3.1 分析崗位需求的分布與趨勢 31
2.3.2 分析實習時長與公司規模 35
2.3.3 分析薪資待遇的影響因素 38
項目總結 42
實訓工單 42
項目3 商超用戶價值聚類分析 47
學習目標 47
情景描述 48
項目分解 48
項目實施 49
任務3.1 數據探索與可視化分析 49
3.1.1 數據質量評估與預處理 49
3.1.2 可視化分析 52
3.1.3 相關性分析 62
任務3.2 構建聚類模型並分析結果 64
3.2.1 篩選與構造建模指標 64
3.2.2 構建與訓練聚類模型 66
3.2.3 聚類結果分析 68
項目總結 73
實訓工單 73
項目4 天問一號相關事件評論情感類型分類 78
學習目標 78
情景描述 78
項目分解 79
項目實施 80
任務4.1 數據探索與預處理 80
4.1.1 數據探索 81
4.1.2 文本預處理 85
4.1.3 繪制詞雲圖 88
任務4.2 構建情感類型分類模型 92
4.2.1 構建與訓練情感分類模型 92
4.2.2 模型評估 97
項目總結 99
實訓工單 99
項目5 智慧政務中的問政輿情分析 103
學習目標 103
情景描述 103
項目分解 104
項目實施 105
任務5.1 問政文本探索分析 105
5.1.1 不同留言數據類別的數量分布 106
5.1.2 不同留言數據類別的分布情況 108
任務5.2 問政文本預處理與特征工程 109
5.2.1 數據清洗 109
5.2.2 文本分詞與停用詞過濾 110
5.2.3 詞雲圖分析 111
5.2.4 詞向量提取 115
5.2.5 數據平衡 116
任務5.3 構建與訓練問政分類模型 116
5.3.1 定義模型評估指標 117
5.3.2 SVM模型 118
5.3.3 邏輯回歸模型 119
項目總結 121
實訓工單 121
項目6 傳感器數據采集 125
學習目標 125
情景描述 125
項目分解 126
項目實施 126
任務6.1 硬件部署 126
6.1.1 樹莓派平臺部署 126
6.1.2 傳感器選用 141
6.1.3 連接GPIO 143
任務6.2 環境數據采集與展示 145
6.2.1 LED功能開發 145
6.2.2 蜂鳴監測功能開發 149
6.2.3 溫濕監測功能開發 152
6.2.4 亮度監測功能開發 158
6.2.5 OLED顯示功能開發 162
6.2.6 聲音監測功能開發 165
6.2.7 模塊整合 168
6.2.8 結果展示 175
項目總結 176
實訓工單 176
項目7 基於YOLOv8的目標檢測 181
學習目標 181
情景描述 181
項目分解 182
項目實施 183
任務7.1 準備數據 183
7.1.1 創建項目工程結構 184
7.1.2 劃分數據集 186
7.1.3 轉換數據集格式 188
任務7.2 構建YOLOv8主幹網絡 190
7.2.1 構建C2F模塊 190
7.2.2 構建Bottleneck模塊 192
任務7.3 編譯與訓練網絡 194
7.3.1 編寫數據集配置文件 194
7.3.2 訓練模型 195
任務7.4 評估模型與分析結果 198
7.4.1 分析訓練結果 199
7.4.2 評估模型效果 203
項目總結 204
實訓工單 205
項目8 智能感知應用 209
學習目標 209
情景描述 209
項目分解 210
項目實施 211
任務8.1 環境感知 211
任務8.2 傳感器開發 212
8.2.1 超聲波傳感器開發 212
8.2.2 攝像傳感器開發 217
8.2.3 模塊整合 221
任務8.3 模型部署 223
8.3.1 模型訓練與驗證 224
8.3.2 模型部署與評估 234
項目總結 240
實訓工單 241
