中国民航大学与拓尔思联合举办的人工智能专业全栈能力综合实训面向全体人工智能专业大三学生，为期18天。实训紧贴行业最新发展，设置了数据分析与机器学习、深度学习、大模型与智能体开发等核心模块，涵盖算法设计、模型训练、调优及部署等关键环节，帮助同学们在真实场景中掌握AI技术的全流程应用。
本期课程主要讲解数据可视化的各种图表类型、优化方法以及配色布局等技巧，并分享了名为“打分模型”的数据分析方法。
数据可视化的重要性：数据可视化在整个项目和分析专题中非常重要，通过简单的图形向业务或领导提供分析结论。
图表选择与优化：图表的选择要根据数据特征和分析需求，优化图表时要简洁明了，避免过于复杂。
图表组合与布局：图表组合时要考虑相关性，避免过于复杂的组合，布局时要考虑整体美观和信息传达的清晰度。
雷达图与环形图：雷达图适用于多个维度的变量对比，环形图适用于展示比例关系。
磁云图与热力图：磁云图用于展示树状结构的重要程度，热力图通过颜色深浅表示变量程度。
漏斗图与构成图：漏斗图用于展示数据的分布情况，构成图通常用饼图或环形图展示比例关系。
加减乘除法则：加法指图表信息要完整，减法指去掉不必要的元素，乘法指在同一表上表达多个指标，除法指避免图表组合过于复杂。
标题与坐标优化：标题要完整明确，坐标刻度要合理缩进，避免过多零的出现。
图例与背景调整：图例要简洁，背景要尽量简化，网格线要适度使用。
打分模型的背景：在数据产品分析中，用于评估项目的可靠性，帮助销售选择重点支持的项目。
打分模型的维度：包括客户维度、销售维度、时间维度和POC测试维度。
权重确定与评分计算：权重通过业务经验和数据分析确定，评分通过百分制计算，最终划分项目等级。
实际应用与反馈：该模型在实际业务分析中应用广泛，帮助销售选择重点支持的项目，提供决策参考。
中国民航大学携手拓尔思开展人工智能综合实训
中航大实训特辑 | Python数据分析-企业真实案例分享
中航大实训特辑 | Python数据分析-数据分析思维
