指向计算思维发展的Python语言学习任务群的构建与实施——以“一带一路”主题学习任务群为例

计算思维被《义务教育信息科技课程标准(2022年版)》列为信息科技课程四大核心素养之一,Python语言编程设计是培养学生计算思维的有效载体之一。文章以Python语言学习任务群的构建和具体实施为例,探寻发展学生计算思维的新路径。

基于微信小程序的Python语言学习平台设计与实现

随着我国移动通信技术的飞速发展,移动智能终端学习已成为一种重要的学习模式,用户不受时间、地点的约束,实现“无障碍”学习。本文先概述平台开发设计的关键技术,并分析基于微信小程序的Python语言学习平台设计的5个功能模块,即“用户登录”“课程访问”“课程资源”“互动评论”“作业展示”,研究结果表明,该程序性能良好,可正常运行,为今后的微信小程序与移动学习平台设计进一步结合提供借鉴。

基于深度学习的口语对话系统自然语言处理精度提升

随着人工智能技术的快速发展,口语对话系统已成为人机交互的重要工具。自然语言处理(NLP)是口语对话系统的核心技术之一,其精度直接影响到系统的性能。文章通过对口语对话系统及其在自然语言处理精度方面的现状进行深入分析,旨在探讨基于深度学习的口语对话系统自然语言处理精度提升的方法,以期为相关行业提供有益参考。

基于OBE理念的Python语言程序设计混合式教学改革策略分析

OBE理念要求教师以学生的学习成果为中心,通过反向设计教学活动,确保学生在完成课堂活动后,能够达到预期的学习目标。文章以Python语言程序设计(下文简称“程序设计”)为例,针对OBE的具体运用进行了分析,先介绍了OBE的内涵及作用,在此基础上,说明了基于OBE开展混合式教学活动的有效策略,内容涉及科学确立学习目标、合理制定教学策略等方面,以供参考。

大语言模型辅助教学的探讨——以“强化学习”课程为例

在人工智能技术广泛应用的背景下,高校教学呈现出新的特点。特别是以ChatGPT为代表的大规模语言模型的出现,不可避免地对高等教育带来冲击。探讨将大语言模型应用于辅助“强化学习”课程教学的有效性和实施路径与方法,并为教师提供基于大语言模型技术的灵活多样的教学方式的模板,以应对目前课程教学中出现的各种问题并提高“强化学习”课程的教学质量,提出方法同样适用于其他专业的教学。

幼儿园教育课程游戏化的深度学习模式对语言发展的影响研究

幼儿教育的问题需要重视,特别是语言学习的机制。本项研习探讨趣味化深度学习法,在三个幼儿园进行为期一年的实验。结果表明,相对于传统的教育方式,采纳这种方法的幼儿在语言吸收、表达及运用等方面均有显著提高。此方法为幼儿创造一个有趣且充满活力的学习环境,激发了幼儿的学习兴趣,为其语言学习打下良好基础。教师的引导在其中起着决定性作用,他们运用游戏化技巧有效促进幼儿语言技能的日益提升。本研习对于幼儿教育方式的改进及其语言能力的挖掘开发都有着深远影响。

学以致用的项目驱动式教学研究——以财务管理专业Python语言程序设计课程为例

Python语言程序设计课程是高校广泛开设的公共通识课程。该文以财务管理专业学生为施教对象,分析该课程教学面临的困难,探讨项目驱动式教学方法。通过梳理教学内容和知识点,构建知识图谱,结合专业背景设计应用项目,把知识点的教学贯穿于应用项目的开发中,同步递进,把理论与实践有机融合,传授Python语言程序设计基础知识的同时,培养学生解决问题的能力,达到学以致用的目的。

基于“两线四融入”的Python语言程序设计课程思政教学探索

针对如何在专业课教学中融入思想政治教育的问题,提出基于“两线四融入”的Python语言程序设计课程思政教学模式,阐述课程总体设计理念,重新确立知识与思政的双主线教学方针,介绍新时代专业课课程思政建设在四个“融入”方面的举措,旨在为编程语言课程思政教学提供借鉴。

基于Python语言的数据筛选与过滤的研究

数据筛选与过滤是数据科学中一项重要的技术,它可从海量的数据中提取有用的信息,提高数据质量和决策效率。Python语言作为数据科学的主要编程语言,其数据筛选与过滤技术相当灵活,主要研究利用for循环、推导式、filter()函数、pandas库实现数据的筛选与过滤。

基于Python构建机器学习探究中药治疗胃癌通路决策树的规律性

目的 胃癌(Gastric cancer, GC)是高发率和致死率“双高”的癌症,临床中药复方治疗GC有大量的证据,表明中医药在GC的治疗方面有着出色的表现。文中针对治疗GC的临床中药组方开展基础性研究,利用其他学科较为成熟的研究思路和研究方式,探究中医药在不同维度层面的规律性。方法 筛选中国知网数据库及中药系统药理学数据库与分析平台(TCMSP)(http://tcmspw.com/tcmsp.php)、BATMAN-TCM数据库(http://bionet.ncpsb.org.cn/batman-tcm/index.php/)、SymMap数据库(http://www.symmap.org)建库至2023年3月30日期间治疗GC的文献,利用Python构建决策树模型,通过文献统计有临床治疗证据的GC复方,对高频出现的药物进行分子层面的研究,形成“中药-治疗通路”矩阵,再将无临床证据的“中药-治疗通路”矩阵送入决策树模型进行学习修正,获得治疗通路的关联队列,并通过生物信息学数据分析验证决策树模型的输出结果。结果 (1)筛选出GC高频治理中药共计26味,如白术、黄芪和茯苓等;(2)找到与GC有关的通路共计225条;(3)Python构建的决策树模型进行熵值计算,在225条有临床证据的中药蛋白富集的通路中寻找到的18条对GC有重要作用的通路;(4)决策树模型计算出“Chemical carcinogenesis-Tryptophan metabolism-PI3K-Akt signaling pathway-Antigen processing and presentation”关联队列;(5)18条通路在对不同标签中药出现不同的表现,“No”标签中药的高值(深色区域)相对集中分布,而“Yes”标签中药的高值(深色区域)相对散在分布;(6)q值和p值聚类结果提示“Fatty acid biosynthesis”和“Antigen processing and presentation”均指向“1-Yes”“Vibrio cholerae infection”和“Dilated cardiomyopathy”均指向“1-No”“Breast cancer”和“Protein digestion and absorption”均指向“0-Yes”。结论 “Chemical carcinogenesis-Tryptophan metabolism-PI3K-Akt signaling pathway-Antigen processing and presentation”通路队列,是GC中药治疗通路中的关联队列。生物信息学结果与Python构建机器学习决策树模型结果在判别是否具有GC治疗作用上有着高度相似性,从生物信息学层面印证了决策树算法模型结果的准确性。同时,利用Python构建成熟的计算机模型可以从不同的角度去研究临床复方中药在疾病治疗中的规律性,是临床中药组方研究的一种新的尝试,结合多学科多角度的分析,对中医药的现代研究有积极的推动作用,并且对人类健康发展有着重要意义。

程序设计基础(Python语言)课程思政教学案例的设计与实践

通过创设验证“一万小时定律”的课程思政情境,引导学生思考坚持进步的价值,培养学生批判性思维、严谨务实的科学态度;通过上机锻炼学生计算思维能力,培养学生精益求精的大国工匠精神。

基于Python语言的计算机专业招聘信息的爬取及分析

文章对计算机专业的招聘信息进行了研究,通过使用Python爬虫定向抓取拉勾网中的各种招聘资料和信息数据,结合职业要求、学历要求等相关基础条件,合理分析某一具体职业的具体状况,并将所得的分析数据结果进行可视化展示。报告了计算机相关专业就业现状,帮助计算机专业学生对未来的就业岗位和对应岗位所需要的专业知识有一个基本的认知,帮助他们有针对性地提高自身的专业能力和综合素养,以培养既懂技术又具备工作能力的复合型计算机人才。

一种提高跨语言理解的NLP迁移学习

随着互联网信息的发展,如何有效地表示不同语言所含的信息已成为自然语言处理(Natural Language Processing,NLP)领域的一项重要任务.然而,很多传统的机器学习模型依赖在高资源语言中进行训练,无法迁移到低资源语言中使用.为了解决这一问题,结合迁移学习和深度学习模型,提出一种多语言双向编码器表征量(Multi-lingual Bidirectional Encoder Representations from Transformers,M-BERT)的迁移学习方法.该方法利用M-BERT作为特征提取器,在源语言领域和目标语言领域之间进行特征转换,减小不同语言领域之间的差异,从而提高目标任务在不同领域之间的泛化能力.首先,在构建BERT模型的基础上,通过数据收集处理、训练设置、参数估计和模型训练等预训练操作完成M-BERT模型的构建,并在目标任务上进行微调.然后,利用迁移学习实现M-BERT模型在跨语言文本分析方面的应用.最后,在从英语到法语和德语的跨语言迁移实验中,证明了本文模型具有较高的性能质量和较小的计算量,并在联合训练方案中达到了96.2%的准确率.研究结果表明,该文模型实现了跨语言数据迁移,且验证了其在跨语言NLP领域的有效性和创新性.

Python语言中内置序列数据类型的应用研究

在这个海量数据的时代,数据的价值被人们广泛关注,若需通过计算机技术编程获取数据中蕴含的信息,则首先需要选择合适的存储数据类型,只有这样才能进行数据处理分析等。Python语言作为现在广泛使用的数据分析处理语言,提供了多种存储、处理数据类型,其中内置的序列数据类型效率较高,应用广泛。研究Python语言中处理批量数据的内置序列数据类型中的列表、元组、字符串等数据类型的应用场景。

基于微信小程序的Python语言移动学习平台设计研究

5G时代即将到来,应用开发者需满足用户随时随地便捷学习的需求,并为移动学习平台的构建提供方法及思路。设计的基于微信小程序的Python语言在线学习平台,可实现在线视频学习、在线测试、第三方库检索查询并收藏等功能。系统测评正常,用户体验反馈良好,达到移动学习的目的。

基于Python语言的Excel函数学习系统的设计与实现

在Excel函数学习和使用中,普遍存在函数种类繁多、分类复杂、功能不清诸多问题,既容易出现混淆,又不能使学员迅速完成任务。鉴于这样问题的存在,该文设计了基于Python语言下函数学习系统来解决上述问题,为学员提供一种简单、便捷、科学的学习平台。

基于视觉-语言预训练模型的零样本迁移学习方法综述

近年来随着人工智能(AI)技术在计算机视觉与自然语言处理等单模态领域表现出愈发优异的性能,多模态学习的重要性和必要性逐渐展现出来,其中基于视觉-语言预训练模型的零样本迁移(ZST)方法得到了国内外研究者的广泛关注。得益于预训练模型强大的泛化性能,使用视觉-语言预训练模型不仅能提高零样本识别任务的准确率,而且能够解决部分传统方法无法解决的零样本下游任务问题。对基于视觉-语言预训练模型的ZST方法进行概述,首先介绍了零样本学习(FSL)的传统方法,并对其主要形式加以总结;然后阐述了基于视觉-语言预训练模型的ZST和FSL的区别及其可以解决的新任务;其次介绍了基于视觉-语言预训练模型的ZST方法在样本识别、目标检测、语义分割、跨模态生成等下游任务中的应用情况;最后对现有的基于视觉-语言预训练模型的ZST方法存在的问题进行分析并对未来的研究方向进行展望。

基于Python语言的可视化数据分析系统设计与实现

为创建一个高效、易用的可视化数据分析系统,文章采用了Python语言,集成Pandas、NumPy、Matplotlib等多种库来构建系统。在系统开发中,重点关注了系统架构、功能模块设计及用户界面交互设计,并通过对比测试验证系统功能的有效性。系统测试结果表明,可视化数据分析系统不仅在处理大规模数据集方面表现出色,还能提供多样化可视化工具,可满足不同用户的需求。

内容语言融合学习理念的4C框架对我国外语教学改革的启示

内容语言融合学习是一种外语教学创新理念,其4C框架强调对学生学科知识、认知能力、跨文化意识和语言沟通能力的全面培养。多年来,我国高校外语教育所取得的成绩不容忽视,但在新的发展时期,高校外语原有的课程定位和发展模式已经不能满足国家对外语人才的需求。我们可以从这一教学理念中寻求借鉴,营造政策环境、优化课程设置、创新教学内容,拓宽教师发展路径,促进外语人才培养的可持续发展。

基于Python语言绘图的编程思维探究

学习Python语言编程主要目标之一是增强和启迪人的创造性思维。因此,在编写程序过程中有效地运用编程思维,对于工程思想交流和表达是至关重要的。文章通过探究2D平面图形与3D立体图形绘制的函数构造和Python语言程序设计,采用由简单到复杂、逐层分解再归纳总结的思路,把需要解决的问题抽象成为算法模型,从而使Python绘图语言能够激发编程人员创造性思维的产生。Python绘图作为一个承担思维研究过程的载体,不仅有助于知识的掌握和技能的提升,对于工程技术思想的发展和创新意识的培养也具有推动作用。