ml

src/components/ml/pythomDes/InAction/index.js

@@ -5,33 +5,43 @@ class InAction extends Component {
   state = {
     projects: [
       {
-        image: '',
+        image: 'https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/project_1.png',
         title: ' 基于KNN的电影推荐系统',
-        detail: '七月在线AI Lab负责人兼科学家。历任浪潮集团数据科学家，国家电网人工智能行业应用方向团队负责人。'
+        detail: '基于Surprise库在movielens数据集上实现基于KNN的电影推荐系统。在此之前，你还将学习K近邻算法、协同过滤与推荐系统的本质。'
       },
       {
-        image: '',
+        image: 'https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/project_2.png',
         title: ' 使用线性回归预测股票走势',
-        detail: '10多年开发经验，先后任职国内知名互联网企业，从事人工智能方向的实施，擅长全栈开发。'
+        detail: '基于Sklearn库中的线性回归模块实现Google股票走势预测。在此之前，你还将学习线性回归算法的相关细节与对应的代码实战。'
       },
       {
-        image: '',
+        image: 'https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/project_3.png',
         title: ' 基于LR的广告点击率预估',
-        detail: '计算机专业毕业，多年开发经验，熟悉 Python，熟悉 linux 环境下系统编程，具有多年的 Web 后端开发经验。'
+        detail: 'LR曾是各大互联网公司在CTR预估上使用的主流模型。它有着可解释性强、易于并行化、便于在线学习等不可替代的优势。'
       },
       {
-        image: '',
-        title: ' 基于LR的广告点击率预估',
-        detail: '计算机专业毕业，多年开发经验，熟悉 Python，熟悉 linux 环境下系统编程，具有多年的 Web 后端开发经验。'
+        image: 'https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/project_4.png',
+        title: '基于朴素贝叶斯的垃圾邮件过滤',
+        detail: '文本分类技术是NLP领域较为常见的任务，本项目使用朴素贝叶斯算法对垃圾邮件和正常邮件进行分类，涉及分词和正则表达式的相关内容。'
       },
       {
-        image: '',
-        title: ' 基于LR的广告点击率预估',
-        detail: '计算机专业毕业，多年开发经验，熟悉 Python，熟悉 linux 环境下系统编程，具有多年的 Web 后端开发经验。'
+        image: 'https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/project_5.png',
+        title: ' 基于决策树的用户流失分析预测',
+        detail: '用户流失分析对于提升用户活跃度有着重要的意义，本项目基于Sklearn中的决策树算法实现流失用户预测，并对决策树进行可视化。'
+      },
+      {
+        image: 'https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/project_6.png',
+        title: ' 利用随机森林评估特征重要性',
+        detail: '分析特征重要性对于机器学习建模有着重要的意义，本项目基于Sklearn库中的随机森林算法评估UCI葡萄酒数据的特征重要性。'
+      },
+      {
+        image: 'https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/project_7.png',
+        title: ' 基于K-means实现图像分割',
+        detail: '基于Sklearn库中的Kmeans算法实现图像分割，将一幅图像分解成若干互不相交区域的集合，本质上是一种像素聚类的过程。'
       },
     ],
     showAll: false,
-    initialShowCount: 3
+    initialShowCount: 7
   }
 
   render() {
@@ -47,7 +57,9 @@ class InAction extends Component {
                 return null
               }
               return <li key={i}>
-                <div className={'project-image'}></div>
+                <div className={'project-image'}>
+                  <img src={item.image} alt=""/>
+                </div>
                 <div className={'des'}>
                   <div className="title">
                     <span>{i + 1}</span>
@@ -58,7 +70,7 @@ class InAction extends Component {
               </li>
             })
           }
-          <li>
+          {/*<li>
             {
               !showAll
                 ? <button onClick={() => {
@@ -78,7 +90,7 @@ class InAction extends Component {
                   <img src="https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/h5_python_class/shouqi.png" alt=""/>
                 </button>
             }
-          </li>
+          </li>*/}
         </ul>
       </div>
     );

src/components/ml/pythomDes/Selection/index.js

@@ -3,7 +3,7 @@ import './index.scss'
 
 class Selection extends Component {
   state = {
-    screenshots: ['','','']
+    screenshots: ['https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/exercise_1.png', 'https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/exercise_2.png', 'https://julyedu-cdn.oss-cn-beijing.aliyuncs.com/mlCourse/m/exercise_3.png']
   }
 
   render() {

src/components/ml/pythomDes/Selection/index.scss

@@ -4,6 +4,7 @@
   align-items: center;
   padding: 40px 0 53px;
   h2 {
+    margin-bottom: 25px;
     font-size: 21px;
     font-family: PingFang SC, "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "微软雅黑", Arial, sans-serif;
     font-weight: 600;