熟练掌握 Python 数据分析全栈工具,使用 Scikit-learn 搭建传统机器学习模型,涵盖分类、回归、聚类算法,能完成模型训练、调参、评估全流程;掌握 PyTorch 深度学习框架
熟悉 MySQL 数据库基础查询、数据表关联与数据导出操作,了解 Linux 系统基础命令,可完成虚拟机环境文件管理、服务部署调试;掌握爬虫基础开发,能抓取公开结构化数据并完成脱敏预处理。
鲜花图像分类识别项目
基于改进 LeNet 卷积神经网络实现鲜花多分类任务,使用花卉公开数据集完成图像归一化、尺寸统一等预处理;采用 PyTorch 搭建网络结构,添加 Dropout 层缓解过拟合,分别实现 CPU 基础训练与 GPU 加速两种运行方案,对比不同批次大小、学习率下模型准确率,最终分类精度达到 92% 以上,输出混淆矩阵可视化分类效果,整理完整实验报告。
鲜花图像分类识别项目 基于改进 LeNet 卷积神经网络实现鲜花多分类任务,使用花卉公开数据集完成图像归一化、尺寸统一等预处理;采用 PyTorch 搭建网络结构,添加 Dropout 层缓解过拟合,分别实现 CPU 基础训练与 GPU 加速两种运行方案,对比不同批次大小、学习
本项目为空气质量多指标回归预测分析系统,基于 Python 完成全流程数据挖掘开发。使用公开空气监测数据集,包含 PM2.5、PM10、CO、NO₂、温湿度等多维环境指标,先用 Pandas 完成缺失值填充、异常值过滤、特征相关性筛选,绘制相关性热力图展示各污染物间关联程度。