01
应用背景
天津城建大学机器学习课程要求学生掌握机器学习的经典算法。该课程要求学生对概率论、线性代数有较好的先期掌握。在教学上， 理论推导与方法讲解相结合，而且要注重实例的教学方式：从激发学习兴趣角度出发，多讲解一些经典有趣的实例，通过实例建立起与教材知识点清晰的内在联系，既能锻炼学生的逻辑思维能力，促进学生学习兴趣的提高。
02
使用场景
机器学习是人工智能方向最核心的一门专业课程，也是需要理论和实践相结合的一门课程。
03
学生情况
大三学生52名，学生已修课程包括人工智能概论、数据结构，Python数据处理与编程等。
04
解决方案
针对学校机器学习课程设计的需求，匹配数据实验楼的个人信用风险评估项目。本项目首先读取德国信用数据集，并查看数据的基本统计信息。其次借助Python第三方库，使用可视化工具绘制多个图表对德国信用数据集进行探索性分析，展示变量的取值分布以及变量间的相互联系，以及各变量与标签之间的相关性大小。然后对数据进行预处理，构建模型并评估。最后对数据进行特征工程，再次构建模型进行训练并评估，查看模型提升后的效果。通过实训，学生将进一步夯实Python语言的编程能力，掌握Pandas库的基本使用，理解基本的数据预处理方法，掌握通过Sklearn库进行分类模型构建以及评估的操作。
05
客户反馈
本次项目实践有力支撑了机器学习课程实践部分的教学，通过综合项目实践的形式，让学生在真实项目感受机器学习的一般流程（数据清洗、数据可视化、特征工程、模型训练和模型评估等）。重点锻炼了学生使用逻辑回归和XGBoost进行金融风险模型训练的能力。综合项目实践案例生动，授课形式新颖，得到师生的肯定。
06
产品介绍
数据实验楼iDataCoding是由博雅数智自主研发的数据科学和人工智能综合项目实验实训平台，服务于高校大数据人工智能实训室建设。平台提供企业级项目，覆盖公共卫生、健康医疗、金融、电商、营销、交通等多个行业。通过真实项目、实际业务数据、实际项目分析流程，培养学生使用大数据和人工智能技术解决具体行业的实际问题的能力。学习项目分析思维，根据不同的项目背景使用相应的技术和方法解决问题，不断地积累项目经验，为将来走向社会岗位奠定基础。
