Python 案例实训教学,课程展示及结课存档优化|ModelWhale 版本更新

本文主要是介绍Python 案例实训教学,课程展示及结课存档优化|ModelWhale 版本更新,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

大雪时节,仲冬如约而至,我们也迎来了 ModelWhale 新一轮的版本更新。

本次更新中,ModelWhale 主要进行了以下功能迭代:

  • 优化 课程大纲展示(团队版✓)
  • 优化 作业批量导出存档(团队版✓)
  • 优化 关闭课程文件下载(团队版✓)
  • 新增 门户模块灵活配置(团队版✓)
  • 新增 模型服务免责协议(团队版✓)
  • 新增 Canvas 运行监控(专业版✓ 团队版✓)

1、优化 课程大纲展示(团队版✓)

ModelWhale 教学平台持续助力高校教改,帮助老师轻松完成 Python 案例教学,包括但不限于提供丰富的案例教材,“环境共享/免装包”、“作业(含代码)在线预览批阅”、“自动评审”的教学工具等。

其中,课程结构一目了然,可以让学生快速明确授课目标、学习框架;课件内容结合实际应用场景、提供“可一键运行得到结果”的案例、练习数据,可以帮助学生理解代码逻辑、形成数据科学思维。

以“代码实训项目”为例:学生可以直接在线跑通代码(复用老师的运行环境和数据),一键复现课程内容,不再卡壳在“安装工具包”、“调试文件路径”的前期工作中,产生消极和畏难情绪。搭建课程时,老师将自身镜像、数据上传到“资源库” 即可。

2、优化 作业批量导出存档(团队版✓)

ModelWhale 教学平台充分满足“结课归档”的教学材料检查。除了已支持学生成绩导出、总成绩(含权重配置)计算、代码时长统计外,现已优化作业材料的批量导出,供老师线下备份存档,支持导出包括:

  • 成绩汇总表:包含学生姓名、学号、班级、各作业成绩
  • 学生作业提交:包含学生提交的代码、文件、文本、测验卷子
  • 作业题目:包含测验卷子、实训作业材料及说明、实训案例项目(Notebook)、自动评审脚本和样例文件等

3、优化 关闭课程文件下载(团队版✓)

针对特殊的教学场景,老师可能不希望教学内容外传(如:课件仍处于开发期、正在完善、涉及敏感数据),平台配有相关安全设置,支持:禁止学生下载代码项目、代码文件、教学数据等。现已额外支持禁止下载 .pdf 和 office 等文件。

4、新增 门户模块灵活配置(团队版✓)

ModelWhale 数据分析平台为每个团队提供了“独立门户”:作为内容分享窗口,连接外部伙伴,促进生态共建、内容共享的积极氛围。平台内部的“再分析数据”、“代码研究报告”、“机器学习模型”等均支持在“组织门户”对外展示;你也可以自建网站后,引用 ModelWhale 门户内容(不使用 ModelWhale 自带的门户首页)。我们现已支持灵活配置 ModelWhale 门户导航模块的名称及网页 URL:你可以将“首页”配置为自己的门户网站 URL,还可以将其他内容(如,往期论文、企业博客)配置到门户导航栏,实现跨网站的内容引用、导航跳转。

Tips:门户页脚,也支持自定义配置网页 URL。

更多详见:组织门户说明

5、新增 模型服务免责协议(团队版✓)

算法模型支持在 ModelWhale 平台快速部署为 API 和 网页端应用,供他人低代码/无代码调用模型、获得模型输出结果。为保障数据使用的合法性、合规性、安全性,现新增使用模型服务的“免责协议”,可供组织配置相关声明。

更多详见:模型服务部署

Tips:使用模型服务的“数据隐私协议”,也支持组织自行配置、启用。

6、新增 Canvas 运行监控(专业版✓ 团队版✓ )

ModelWhale Canvas 拥有 “算法封装”+“算法快捷使用” 能力,算法工程师可以自研 Canvas 组件封装代码,分享 Canvas 分析模板供其他成员(如,其他业务部门同事)直接使用,低代码且高效完成研究任务。使用 Canvas 进行数据研究时,现已支持在画布内查看日志监控,包括 CPU、RAM、Disk、Project、Work 的使用情况,以便实时掌握当前运行状态。

更多详见: Canvas 开发说明

以上,就是本期 ModelWhale 版本更新的全部内容。

进入 Modelwhale 官网,免费试用 Modelwhale 专业版(个人研究)或团队版(组织协同),获赠 CPU、GPU 算力!(建议使用 pc 端体验试用)

若对 ModelWhale 有任何建议、疑问,或有试用续期需求,欢迎点击【联系产品顾问】,MoMo 很高兴为你服务、与你交流(咨询备注“产品咨询”)。

这篇关于Python 案例实训教学,课程展示及结课存档优化|ModelWhale 版本更新的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/470239

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

poj3468(线段树成段更新模板题)

题意:包括两个操作:1、将[a.b]上的数字加上v;2、查询区间[a,b]上的和 下面的介绍是下解题思路: 首先介绍  lazy-tag思想:用一个变量记录每一个线段树节点的变化值,当这部分线段的一致性被破坏我们就将这个变化值传递给子区间,大大增加了线段树的效率。 比如现在需要对[a,b]区间值进行加c操作,那么就从根节点[1,n]开始调用update函数进行操作,如果刚好执行到一个子节点,

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

hdu1689(线段树成段更新)

两种操作:1、set区间[a,b]上数字为v;2、查询[ 1 , n ]上的sum 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdl