温馨提示：文末有 优快云 平台官方提供的学长联系方式的名片！
温馨提示：文末有 优快云 平台官方提供的学长联系方式的名片！
温馨提示：文末有 优快云 平台官方提供的学长联系方式的名片！
作者简介：Java领域优质创作者、优快云博客专家 、优快云内容合伙人、掘金特邀作者、阿里云博客专家、51CTO特邀作者、多年架构师设计经验、多年校企合作经验，被多个学校常年聘为校外企业导师，指导学生毕业设计并参与学生毕业答辩指导，有较为丰富的相关经验。期待与各位高校教师、企业讲师以及同行交流合作
主要内容：Java项目、Python项目、前端项目、PHP、ASP.NET、人工智能与大数据、单片机开发、物联网设计与开发设计、简历模板、学习资料、面试题库、技术互助、就业指导等
业务范围：免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论文降重、长期答辩答疑辅导、腾讯会议一对一专业讲解辅导答辩、模拟答辩演练、和理解代码逻辑思路等。
收藏点赞不迷路 关注作者有好处
文末获取源码
感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助更多的人
介绍资料
| 课题名称 | 基于大数据的慕课平台课程学习数据行为分析可视化与个性化推荐 | ||||
| 课题来源 | 课题类型 | BY | 指导教师 | ||
| 学生姓名 | 专 业 | 计算机科学与技术 | 学 号 | ||
| 开题报告内容：（调研资料的准备，设计/论文的目的、要求、思路与预期成果；任务完成的阶段内容及时间安排；完成设计所具备的条件因素等。） 一、选题背景
二、设计目的和要求
（1）使用PyCharm、IDEA等工具进行代码编写。 （2）结合机器学习、深度学习等数据分析技术构建模型。 （3）使用知识图谱、SparkSQL等技术进行数据可视化大屏分析
（1）认真查阅相关文献资料，充分做好前期准备工作。 ①到学校图书馆借阅机器学习和数据挖掘等方面的图书。 ②从中国知网等网站查找相关论文 20 篇，重点阅读 10篇。 ③通过查找相关课程视频，自主学习与本课题有关的知识。 （2）按照毕业论文（设计）相关文件要求独立完成毕业论文（设计）。 ①完成课程推荐系统、可视化系统的设计与实现。 ②撰写论文时，要有图表形象表达，要体现论文的主要特色。 三、设计内容和思路 内容 （1）采集数据集：利用selenium框架采集mooc慕课网海量课程数据。 （2）数据预处理：对数据进行缺失值、重复值处理，导入mysql数据库等操作。 （3）模型构建与测试：构建协同过滤算法(基于用户/物品)、LSTM、SVD神经网络混合推荐模型、MLP模型等，使用课程数据集、用户轨迹数据(随机构造、程序埋点生成)进行测试，并依据测试结果，对所有模型的效率、精准度进行优化。 （4）系统可视化：使用Spark、Hadoop、Hive、知识图谱neo4j图数据库、echarts等技术对数据进行可视化数据分析。 思路 （一） Selenium自动化Python爬虫工具采集慕课网课程课程数据、学习数据约80-100万条存入.csv文件作为数据集； （二）使用pandas+numpy或MapReduce对数据进行数据清洗，生成最终的.csv文件并上传到hdfs； （三）使用hive数仓技术建表建库，导入.csv数据集； （四）离线分析采用hive_sql完成，实时分析利用Spark之Scala完成; （五）统计指标使用sqoop导入mysql数据库； （六）使用springboot+vue.js+echarts进行可视化大屏开发； （七）使用协同过滤算法(基于用户/物品)、LSTM、SVD神经网络混合推荐模型、MLP模型等等进行个性化推荐。并进行参数优化、算法二次开发升级； （八）使用卷积神经网络KNN、CNN实现课程流量预测； （九）搭建springboot+vue.js前后端分离web系统进行个性化推荐界面、课程流量预测界面、知识图谱等实现； 四、预期成果 （1）编写系统源代码； （2）毕业设计说明书。 五、设计时间安排 第1周：查阅相关资料，完成文献综述。 第2周：结合课题要求，提交开题报告，并完成开题答辩。 第3～5周：进行系统分析、总体设计和详细设计。 第6～9周：实现系统编码、调试及软件测试；撰写毕业设计。 第10～12周：修改毕业设计至定稿，资格审查。 第13～14周：毕业设计答辩及资料归档。 六、完成设计所需要的条件 （1）软硬件环境：硬件环境有win10笔记本电脑配置有16G内存、256G固态硬盘(用于存储、计算、开发)；软件环境有Python、JDK1.8、Hadoop、Spark、Hive、Maven、Vue.js等。 （2）数据库：MySQL数据库 （3）开发环境与工具：Vmvare、IDEA、Pycharm、Navicat 七、参考文献 [1]尹旭熙.基于Hadoop和Spark的可扩展性化工类大数据分析系统设计[J].粘接,2021,46(06):81-83+93. [2]李林国,查君琪,赵超等.基于Hadoop平台的大数据可视化分析实现与应用[J].西安文理学院学报(自然科学版),2022,25(03):53-58. [3]杨志雄.大数据分析的机器学习算法研究[J].信息记录材料,2023,24(05):92-94.DOI:10.16009/j.cnki.cn13-1295/tq.2023.05.003. [4]Ravesa A,Ahmad S S. Precision agriculture using IoT data analytics and machine learning[J]. Journal of King Saud University - Computer and Information Sciences,2022,34(8PB). [5]Bernd S,Desiree K,Antonio G D, et al. Approach for machine learning based design of experiments for occupant simulation[J]. Frontiers in Future Transportation,2022. [6]Kumar A,Sreenatha G A,Dubey K A, et al. Machine Learning Approaches and Applications in Applied Intelligence for Healthcare Data Analytics[M].CRC Press:2021-09-12. [7]陈琦. 面向个性化课程推荐的深度学习方法研究[D].山东师范大学,2021.DOI:10.27280/d.cnki.gsdsu.2021.000635. [8]卜南翔,徐述,王玉婷等.基于大数据平台的课程教学资源推荐系统应用探究[J].数码世界,2019(03):189. [9]方思怡.标准知识图谱的技术路径与应用场景探讨[J].中国标准化,2023(11):49-55. [10]郭芳清. 基于图神经网络的知识图谱推荐算法研究[D].大连理工大学,2022.DOI:10.26991/d.cnki.gdllu.2022.001269. [11]郭婺,郭建,张劲松等.基于Python的网络爬虫的设计与实现[J].信息记录材料,2023,24(04):159-162.DOI:10.16009/j.cnki.cn13-1295/tq.2023.04.025. [12]李明轩,李峰.人工智能时代知识图谱与深度学习的相互交融——评《知识图谱与深度学习》[J].中国科技论文,2023,18(02):240. [13]汪娅.深度学习的认识论意蕴[J].哈尔滨学院学报,2022,43(12):12-16. [14]魏胤真.基于计算机深度学习的个性化资源推荐算法研究[J].现代工业经济和信息化,2023,13(03):56-58.DOI:10.16525/j.cnki.14-1362/n.2023.03.020. [15]韩厚畴. 基于深度学习的混合推荐算法研究[D].吉林大学,2022.DOI:10.27162/d.cnki.gjlin.2022.006503. 指导教师签名： 指导教师手签 2023.1.6-1.13（定稿时删除该说明） 年 月 日 | |||||
运行截图
推荐项目
上万套Java、Python、大数据、机器学习、深度学习等高级选题(源码+lw+部署文档+讲解等)
项目案例
优势
1-项目均为博主学习开发自研，适合新手入门和学习使用
2-所有源码均一手开发，不是模版！不容易跟班里人重复！
🍅✌感兴趣的可以先收藏起来，点赞关注不迷路，想学习更多项目可以查看主页，大家在毕设选题，项目代码以及论文编写等相关问题都可以给我留言咨询，希望可以帮助同学们顺利毕业！🍅✌
源码获取方式
🍅由于篇幅限制，获取完整文章或源码、代做项目的，拉到文章底部即可看到个人联系方式。🍅
点赞、收藏、关注，不迷路，下方查看👇🏻获取联系方式👇🏻
扫一扫
9953
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
