本文基于Python数据科学工具链，针对新高考"七选三"选科难题，开发了一套科学选科推荐系统。通过对某高中2000+高二学生脱敏成绩数据的全流程分析，包括数据清洗、Z分数标准化、学科相关性分析等步骤，实现多维度选科评估。系统采用综合评分模型（Z得分40%+原始分30%+稳定性20%+区分度10%），结合机器学习异常检测和可视化分析，为学生提供最优选科组合推荐。项目产出包含清洗数据、学科难度箱线图、

本文基于Python数据科学工具链，针对新高考"七选三"选科难题，开发了一套科学选科推荐系统。通过对某高中2000+高二学生脱敏成绩数据的全流程分析，包括数据清洗、Z分数标准化、学科相关性分析等步骤，实现多维度选科评估。系统采用综合评分模型（Z得分40%+原始分30%+稳定性20%+区分度10%），结合机器学习异常检测和可视化分析，为学生提供最优选科组合推荐。项目产出包含清洗数据、学科难度箱线图、

本文融合学生成绩、考勤、消费多维数据，经PCA+K-Means聚类分群，通过Mann-Kendall分析学业动态趋势，利用通义千问生成结构化学生画像。搭建Item-CF、SVD、LLM-RAG三类推荐模型并量化评测，SVD预测精度最优，RAG具备高可解释性，可为教学个性化干预提供数据支撑。

本实验依托清洗后的作品数据，在助睿ETL零代码平台开展特征加工与统计分析：用计算器算总互动量、JS脚本提取标题关键词，增量更新明细表；经过滤、聚合、合并得到关键词平均互动汇总表。实操掌握可视化ETL流程与特征量化，提升大数据处理分析能力。

本实验使用助睿ETL清洗自媒体多平台原始数据，采用双分支流程分别生成全平台汇总表、B站与CSDN有效明细表，掌握数据筛选、空值处理、分流设计等ETL基础操作，为后续可视化与特征分析提供干净数据，同时熟悉零代码大数据平台使用。

本实训基于Uniplore助睿ETL平台，系统演示了CSV、TXT、Excel三类文件的数据处理全流程。通过可视化拖拽组件，完成数据采集、字段筛选、数值计算（如项目执行天数）、绩效分级等核心操作，输出标准化数据结果。平台支持零代码操作，提供公共数据集，适配教学与企业场景。实验表明，该平台能有效解决异构文件解析、字段适配等ETL痛点，具备低门槛、高效率的特点，尤其适合大数据入门学习与轻量化数据处理需

本实验基于静态布局完成的浏览器市场分析大屏，通过助睿Max蓝图编辑器实现动态数据接入。实验目标包括掌握蓝图编辑器使用、数据库连接、SQL查询编写及数据绑定等技能。实验分为数据源创建、组件导出、蓝图配置三大步骤，详细说明了如何将6张MySQL数据表（如浏览器覆盖率、时段活跃度等）接入对应的图表组件（柱状图、饼图、折线图等），并通过SQL查询和并行数据处理实现多图表数据分发。最终完成数据大屏的动态渲染

本次实验依托助睿数智平台，复用前期处理完成的浏览器市场业务数据，利用零代码可视化工具搭建浏览器市场行为分析大屏。实验围绕市场格局、用户行为、时段偏好、产品竞争四大维度，通过拖拽式操作完成大屏布局、样式美化和各类图表配置，实现多维度数据可视化展示。通过实验，我掌握了数据大屏搭建流程与图表适配方法，形成了标准化的可视化设计与业务分析思维。

本文基于Python数据科学工具链，针对新高考"七选三"选科难题，开发了一套科学选科推荐系统。通过对某高中2000+高二学生脱敏成绩数据的全流程分析，包括数据清洗、Z分数标准化、学科相关性分析等步骤，实现多维度选科评估。系统采用综合评分模型（Z得分40%+原始分30%+稳定性20%+区分度10%），结合机器学习异常检测和可视化分析，为学生提供最优选科组合推荐。项目产出包含清洗数据、学科难度箱线图、