数据爬取示例项目介绍：

随着互联网技术的发展,网络规模和信息容量成几何级数增长,目前互联网已经成为最大的资源库,但其中的信息都是未加工和处理的非结构化信息,同时,企业出于方便办公和信息安全的需要,建立了企业内部办公网络,如何通过外部网络获取企业内部网络的信息和结构成为很多企业应用或者客户关心的问题.比如对学校或教育机构来说，实时了解职场求职信息和技术要求，能够更好的指导学生进行就业，以及学校更有针对性的设置课程。

本项目利用前程无忧网站的爬取对象，获取并进行岗位需求量、岗位要求、薪资水平等信息分析。在本项目中，分为两种方式实现爬虫功能，一种是手写爬虫框架，让学生充分理解面向对象技术的落地和应用；另一种是通过现在主流的Scrapy框架，实现分布式爬虫，理解框架的应用与多线程程序的优势。

数据分析示例项目介绍：

个性化推荐系统是互联网和电子商务发展的产物，它是建立在海量数据挖掘基础上的一种高级商务智能平台，向顾客提供个性化的信息服务和决策支持。近年来已经出现了许多非常成功的大型推荐系统实例，与此同时，个性化推荐系统也逐渐成为学术界的研究热点之一。

本次项目依据GroupLens实验室（全球知名数据公司）提供的真实商业影评数据，利用python大数据分析包（numpy、pandas、matplotlib等）进行深入的数据挖掘分析，得到有用的用户分析，从而实现对不同用户进行精准个性化影片推荐服务。

数据挖掘示例项目介绍：

本项目包括两个地方的房价数据，一个是波士顿，另一个是北京。在波士顿房价中，项目采用scikit-learn的方式实现房价预测；在北京房价中，采用Keras神经网络方法实现房价预测。