数据挖掘在社会科学研究中的应用 - 中国大学mooc

同步更新 10
第一单元 机器学习概论

机器学习简介随堂测验

1、以下哪些学科和机器学习有密切联系?
    A、人机交互技术
    B、可视化技术
    C、高等数学
    D、统计理论



2、下列哪些分析不需要机器学习?
    A、SQL查询
    B、预测移动运营商用户未来使用的网络流量
    C、比较不同移动运营商用户对漫游业务的使用量
    D、统计移动运营商的用户在某段时间对短信的使用数量



机器学习简介随堂测验

1、以下说法正确的是?
    A、机器学习的目的在于从数据中发现有用的信息。
    B、机器学习的主要任务是从数据中发现潜在的规律,从而能更好地辅助决策或实现机器自动行动。
    C、机器学习只是对计算机仿真方法产生的数据进行模式的发掘
    D、机器学习就是用可视化方法展示数据中的多维度信息



机器学习简介随堂测验

1、有关机器学习预处理不正确的说法是?
    A、预处理是机器学习一个不可少的环节
    B、预处理只要做一次就可以
    C、预处理涉及数据的清洗、格式转换、空值的填补等很多工作
    D、预处理的过程可能本身就是一个机器学习过程



机器学习过程随堂测验

1、在以下哪个步骤将原始数据进行变换、变量相关性、标准化等任务?
    A、部署
    B、业务需求分析
    C、数据预处理
    D、结果评估



机器学习过程随堂测验

1、对于机器学习中的原始数据,存在的问题可能有 ?
    A、错误值
    B、重复
    C、异常值
    D、不完整



机器学习过程随堂测验

1、数据预处理对机器学习是很重要的,下面说法正确的是?
    A、数据预处理的效果直接决定了机器学习的结果质量
    B、数据噪声对神经网络的训练没什么影响
    C、对于有问题的数据都直接删除即可
    D、预处理不需要花费大量的时间



机器学习过程随堂测验

1、有关机器学习工程师下面说法正确的是?
    A、不需要了解一定的相关业务知识
    B、不需要熟悉数据的提取和预处理
    C、需要一定的数据分析实际项目训练
    D、培训后就能胜任实际数据分析



机器学习常用算法(1)随堂测验

1、建立一个模型,根据已知的多个变量值来预测其他某个变量值属于数据挖掘的哪一类任务?
    A、分类规则
    B、回归分析
    C、聚类
    D、信息检索



机器学习常用算法(1)随堂测验

1、机器学习的预测建模任务主要包括哪几大类问题?
    A、关联分析
    B、回归
    C、模式发现
    D、分类



机器学习常用算法(1)随堂测验

1、有关机器学习算法选择的说法正确的有?
    A、每种算法都有其使用范围,因此选择算法需要考虑具体处理的问题
    B、对聚类问题可以任选一种聚类算法
    C、判断机器学习算法好坏在分析数据前就可以确定
    D、机器学习算法的好坏需要通过实验比较确定



机器学习常用算法(1)随堂测验

1、分析某网上客户的购买数据后发现,购买数据挖掘书籍的用户在同一次购物还会买大数据方面的书籍,这个问题可用哪种机器学习方法?
    A、关联分析
    B、聚类
    C、文本处理
    D、贝叶斯分类



机器学习常用算法(2)随堂测验

1、某运营商分析客户话务行为数据后发现,使用短信比较多的客户月上网时间也比较长,这种属于数据挖掘的哪类问题?
    A、关联规则发现
    B、聚类
    C、分类
    D、决策树



机器学习常用算法(2)随堂测验

1、在机器学习过程中,如何选择算法说法错误的是?
    A、算法越复杂越好
    B、合适的算法只有通过实验比较才能确定
    C、不同的算法对数据的格式和质量都有一定的要求
    D、算法在训练过程中不需要修改其中的参数



机器学习常见问题随堂测验

1、有关机器学习过程正确的说法是?
    A、机器学习是一个顺序的过程
    B、机器学习的结果只要正确就可以使用
    C、机器学习就是根据用户的需求从业务数据库提取数据后直接输入到机器算法得到结果
    D、机器学习最终的结果需要经过实验或业务专家的认可才可投入使用



机器学习常见问题随堂测验

1、有关数据分析人员下面说法错误的是?
    A、需要了解一定的相关业务知识
    B、需要熟悉机器学习的流程、方法和工具
    C、需要一定的数据分析实际项目训练
    D、只要进行相关的培训就能胜任实际机器学习工作



机器学习常见问题随堂测验

1、有关数据质量不正确的说法是?
    A、错误的数据将可能产生有害于决策的结果
    B、因为数据量很大,所以数据质量差一些也对机器学习没多大影响
    C、数据预处理的重要目的是提高机器学习结果的质量
    D、从业务系统提取的脏数据需要预处理才能进行建模工作



机器学习常见问题随堂测验

1、有关数据质量正确的说法是?
    A、错误的数据也可能产生有用的结果
    B、数据预处理的重要目的之一是提高机器学习结果的质量
    C、因为分析的数据量很大,有些噪声即使不去除也对机器学习没多大影响
    D、数据质量不需要对业务理解



从事机器学习的准备随堂测验

1、机器学习项目实施的过程中错误的说法是?
    A、机器学习合适算法的选择在分析前一般很难确定
    B、机器学习项目实施是数据分析师的工作,不需要用户参加
    C、很多机器学习工具遵循一定的机器学习步骤
    D、机器学习的过程不是简单的



从事机器学习的准备随堂测验

1、机器学习工程师需要掌握下面哪些知识和技能?
    A、了解机器学习每个阶段需要完成的工作
    B、对数据常见的质量问题进行预处理
    C、必须是精通业务的专家
    D、熟悉常用的机器学习算法



从事机器学习的准备随堂测验

1、有关机器学习技术实用化下面正确的说法?
    A、数据分析人员不需要懂业务
    B、需要参与实际的项目才能深刻理解数据分析的思路和方法
    C、到大学读个学位就可以了
    D、机器学习技术的学习不是简单掌握一些算法和工具,还需要在实践中摸索分析思路



从事机器学习的准备随堂测验

1、实施机器学习项目下面说法错误的是?
    A、数据是有时效性的,因此机器学习得到的规律也有时效性的
    B、做机器学习项目一劳永逸,不必考虑数据的更新
    C、可以直接使用同类公司机器学习的结果
    D、机器学习的过程需要不断调优才可能达到理想的结果



从事机器学习的准备随堂测验

1、一个机器学习工程师需要掌握下面哪些知识和技能?
    A、需要有一定的编程能力并熟悉某种机器学习的工具
    B、熟悉常用的机器学习算法
    C、了解数据常见的数据质量问题
    D、需要了解一定的业务知识



机器学习的常用应用领域随堂测验

1、移动运营商对客户进行细分,以设计套餐和营销活动可以使用下面哪种机器学习方法?
    A、贝叶斯分类器
    B、关联方法
    C、聚类算法
    D、多层前馈网络



机器学习的常用应用领域随堂测验

1、以下哪个步骤不是机器学习所需的预处理工作?
    A、数值属性的标准化
    B、变量相关性分析
    C、异常值分析
    D、与用户讨论分析需求



机器学习的常用应用领域随堂测验

1、以下有关机器学习理解不正确的是 ?
    A、查询大量的操作数据去发现新的信息
    B、从大量的业务数据中分析有兴趣的新颖知识辅助决策的过程
    C、机器学习的结果不一定是能辅助决策
    D、需要借助统计学或机器学习的一些算法



机器学习的常用应用领域随堂测验

1、移动运营商对客户的流失进行预测,可以使用下面哪种机器学习方法比较合适?
    A、一元线性回归分析
    B、关联方法
    C、聚类算法
    D、多层前馈网络



机器学习的常用应用领域随堂测验

1、下列哪些分析需要机器学习?
    A、预测移动运营商用户未来使用的网络流量
    B、比较不同移动运营商用户对漫游业务的使用量
    C、寻找移动运营商用户对某类套餐使用的潜在客户
    D、统计移动运营商的用户在某段时间对短信的使用数量



第二单元 分类算法

决策树概述随堂测验

1、有关决策树的分类方法正确的是?
    A、决策树不能确定对决策属性起重要影响的变量
    B、决策树可以用于发现多种样本的特征
    C、决策树可用于确定相似的样本
    D、决策树结构越复杂越有效



决策树概述随堂测验

1、有关决策树的说法哪个是错误的?
    A、可以转化为决策规则
    B、对新样本起到分类预测的作用
    C、决策树的深度越大越好
    D、决策树的算法和神经网络的原理不一样



2、在分类型机器学习过程中,下面有关分类算法的选择说法错误的是?
    A、算法参数是默认调好的,分析过程不需要修改
    B、分类算法的优劣需要通过实验比较才能确定
    C、分类算法对数据有一定的要求,一种算法不能解决所有的分类问题
    D、分类算法的结果只要训练样本准确度高就可以使用了



ID3算法随堂测验

1、决策树中不包含以下哪种结点 ?
    A、根结点
    B、内部结点
    C、叶结点
    D、主结点



C4.5算法和CART算法随堂测验

1、以下哪个算法不是基于规则的分类器 ?
    A、ID3
    B、C4.5
    C、贝叶斯分类器
    D、C5.0



C4.5算法和CART算法随堂测验

1、从历史的样本分析中分析某个应聘者是否能适合某个岗位,以指导招聘人员选拨新员工,需要以下哪种分析?
    A、分类分析
    B、回归分析
    C、聚类
    D、内容检索



C4.5算法和CART算法随堂测验

1、下面有关决策树剪枝的说法错误的是?
    A、决策树剪枝的目的是为了减少训练过程的过拟合,从而提升决策树模型的准确性。
    B、决策树剪枝可以放在决策树的构造过程(预剪枝),也可以等决策树模型全部建立后再做(后剪枝)。
    C、决策树剪枝的依据是看某层某个非叶节点转换成叶节点后,训练样本集的检验准确度是否提升。
    D、决策树剪枝符合Occam剃刀原理(即机器学习模型越简单越好)。



C4.5算法和CART算法随堂测验

1、有关决策树与特征工程的关系,以下说法错误的是?
    A、决策树可以得到对分类重要的属性,因此可以作为分类特征获取的一种方法。
    B、如果要了解影响签署合同快慢的主要因素,可以使用决策树算法。
    C、决策树获得的特征可以作为其他算法(例如回归算法的自变量)输入的依据。
    D、决策树获得的特征是区分不同类别的最优特征。



连续属性离散化、过拟合问题随堂测验

1、下列说法正确的是?
    A、离群(异常)点可以是正确的数据对象或者值
    B、离散属性总是具有有限个值
    C、噪声和异常是数据错误这一相同表述的两种叫法
    D、连续属性离散化可能需要考虑特定的领域知识



连续属性离散化、过拟合问题随堂测验

1、下面有关过拟合的认识错误的是?
    A、过拟合是因为训练样本太多了,把训练样本的规律都拟合进去了,因此检测样本的准确率也很高。
    B、减少过拟合的方法可以通过降低决策树的复杂度,例如减少决策树的深度。
    C、判断模型是否过拟合可以看随着训练的增加,学习到的模型准确度高了,但检测样本的准确率下降。
    D、分类算法都可能会遇到过拟合现象。



集成学习随堂测验

1、通过聚集多个决策树模型来提高分类准确率的技术称为?
    A、合并
    B、聚集
    C、集成
    D、加权求和



集成学习随堂测验

1、如果从员工的日常表现数据预测其升职的可能性可以使用下面哪种机器学习方法?
    A、关联分析
    B、线性回归分析
    C、聚类分析
    D、决策树 类算法



支持向量机原理随堂测验

1、下面有关支持向量机错误的说法是?
    A、支持向量机一般处理两分类的问题。
    B、支持向量机既可以处理线性可分的问题,也可以处理非线性可分的问题。
    C、支持向量机是把高维的数据投影到低维的空间进行分类。
    D、对于小样本集,支持向量机的分类准确度可能优于其他对样本数量要求比较高的分类算法。



支持向量机原理随堂测验

1、有关支持向量机模型的说法错误的是?
    A、对于分类问题,支持向量机需要找到与边缘点距离最大的分界线,从而确定支持向量。
    B、支持向量机的核函数负责输入变量和分类变量(输出)之间的映射。
    C、支持向量机可根据主题对新闻进行分类。
    D、支持向量机不能处理分界线为曲线的多分类问题。



朴素贝叶斯模型随堂测验

1、下面有关朴素贝叶斯算法的认识错误的是?
    A、与决策树算法不同,朴素贝叶斯模型是比较各种类别出现的概率大小确定样本的类别。
    B、朴素贝叶斯算法是一种使用概率理论的非监督分类算法。
    C、朴素贝叶斯模型需要先确定特征,并根据样本计算相关的先验概率,再计算特征条件下的分类变量的后验概率。
    D、朴素贝叶斯模型课用于垃圾邮件分类、微博用户情感的识别等场景。



朴素贝叶斯模型随堂测验

1、下面有关贝叶斯网络认识错误的是?
    A、贝叶斯网络克服了朴素贝叶斯特征之间需要相互独立等不足。
    B、贝叶斯网络设计过程中主要是根据领域知识确定贝叶斯网络结构、确定网络参数(条件概率表)。
    C、贝叶斯网络变量之间的因果关系和相应的概率部分是人工专家指定,不需要样本训练。
    D、贝叶斯网络的参数主要是条件概率表中的概率值,可以使用最大似然估计或贝叶斯估计等方法。



朴素贝叶斯模型随堂测验

1、有关朴素贝叶斯分类器的说法正确的是?
    A、朴素贝叶斯分类器的变量必须是非连续性变量。
    B、朴素贝叶斯模型分类时需要计算属于各种类别的概率,取其中概率最大的类别最为分类预测值。
    C、朴素贝叶斯模型中的特征和类别变量之间也要相互独立。
    D、朴素贝叶斯分类器对于小样本数据集效果不如决策树好。



贝叶斯网络模型算法随堂测验

1、下面有关贝叶斯网络的说法错误的有哪些?
    A、贝叶斯网络结构可以由机器自动完成。
    B、贝叶斯网络的搭建需要考虑变量之间的因果关系,这是贝叶斯网络推理的基础。
    C、作为一种监督学习算法,贝叶斯网络也需要大量的样本分析变量之间的概率。
    D、贝叶斯网络的推理只能由原因变量,计算其联合概率,推出目标(分类)变量的条件概率,而不能由目标变量推出原因变量的可能性。



贝叶斯网络的应用随堂测验

1、以下哪些不是贝叶斯网络的应用场景?
    A、中文分词
    B、机器故障诊断
    C、招聘人才选拔规则
    D、根据客户消费行为对其进行分组



主分量分析和奇异值分解随堂测验

1、下面关于主分量分析PCA的描述中错误的是?
    A、PCA是从原空间中顺序找一组相互正交的坐标轴
    B、原始数据中方差最大的方向是第一个坐标轴
    C、基于特征值分解协方差矩阵实现PCA算法
    D、奇异值分解只能适用于指定维数的矩阵分解



主分量分析和奇异值分解随堂测验

1、下面关于奇异值分解(SVD)的描述中错误的是?
    A、奇异值分解就是把一个线性变换分解成两个线性变换
    B、奇异值往往对应着矩阵中隐含的重要信息,且重要性和奇异值大小正相关
    C、SVD是对PCA的改进,其计算成本更低,相同之处是两者的目标都是为了降维
    D、奇异值不仅可以应用在数据压缩上,还可以对图像去噪



判别分析随堂测验

1、下面有关线性判别分析错误的说法是哪个?
    A、通过对原始的数据进行线性变换,使得不同类的样本尽量分开。
    B、线性判别分析中线性变换可以使同类样本的方差变大。
    C、线性变换可以使不同类别样本的距离加大。
    D、提高不同类样本的可分性。



第三单元 神经网络基础

神经网络简介随堂测验

1、以下哪个算法是基于规则的分类器?
    A、神经网络
    B、k means
    C、朴素贝叶斯
    D、决策树



神经网络相关概念随堂测验

1、以下关于人工神经网络(ANN)的描述正确的说法是?
    A、神经网络对训练数据中的噪声不敏感,因此数据质量可以差一些也没关系
    B、不能确定输入属性的重要性
    C、训练ANN是一个很耗时的过程
    D、只能用于分类



神经网络相关概念随堂测验

1、神经网络由许多神经元(Neuron)组成,下列关于神经元的陈述中哪一个是正确的?
    A、一个神经元可以有多个输入和一个输出
    B、一个神经元可以有一个输入和多个输出
    C、一个神经元可以有多个输入和多个输出
    D、上述都正确



BP神经网络算法(1)随堂测验

1、有关前馈神经网络的认识正确的是?
    A、神经网络训练过程是拟合训练数据模式的过程
    B、神经网络训练后很容易得到分类的规则
    C、神经网络可用于分类和聚类
    D、神经网络模型的分类能力比决策树好



BP神经网络算法(1)随堂测验

1、下面关于感知机的说法中正确的是?
    A、某一神经元可以连接下一层的多个神经元,表示该神经元有多个输出
    B、单个感知机是线性回归的训练过程
    C、在感知机中引入激活函数可以解决与异或问题(XOR)
    D、以上都不对



BP神经网络算法(1)随堂测验

1、通过增加样本数可以减少过拟合的发生,常用的方法有以下几种?
    A、从数据源采集更多的数据。
    B、复制原有数据并添加随机噪声。
    C、重(复)采样
    D、根据现有样本估计样本的分布,然后按照此分布再产生一些样本。



BP神经网络算法(2)随堂测验

1、在一个神经网络里,确定每一个神经元的权重和偏差是模型拟合训练样本的目标,比较有效的办法是什么?
    A、根据人工经验随机赋值。
    B、搜索所有权重和偏差的组合,直到得到最佳值。
    C、赋予一个初始值,然后迭代更新权重,直至代价函数取得极小。
    D、以上都不正确



BP神经网络算法(2)随堂测验

1、梯度下降算法的正确步骤是什么? 1. 计算预测值和真实值之间的误差 2. 迭代更新,直到找到最佳权重 3. 把输入传入网络,得到输出值 4. 初始化随机权重和偏差 5. 对每一个产生误差的神经元,改变相应的(权重)值以减小误差
    A、12345
    B、54321
    C、3 2154
    D、43152



BP神经网络算法(2)随堂测验

1、下列哪些方法可以用来降低深度学习模型的过拟合问题?
    A、增加更多的数据
    B、Early stopping(提前停止训练)
    C、Dropout
    D、正则化代价函数



神经网络的应用随堂测验

1、以下哪个领域不适合应用前馈神经网络?
    A、预测电信客户流失的可能性。
    B、辅助确定是否给银行的客户贷款。
    C、对基金公司的客户进行分组,了解每组客户的特点。
    D、股票走势的预测。



第四单元 聚类分析

聚类分析的概念随堂测验

1、以下哪些数据的特征会对聚类有影响?
    A、高维性
    B、样本规模
    C、噪声
    D、离群点



聚类分析的概念随堂测验

1、根据用户使用移动运营商的数据,可以为他们设计合适的套餐,使用哪种挖掘方法比较合适?
    A、聚类
    B、回归分析
    C、神经网络
    D、关联分析



聚类分析的概念随堂测验

1、有关聚类算法不正确的说法是?
    A、把分析的样本根据距离分组
    B、必须给出聚类的组数
    C、聚类是分类的基础
    D、聚类算法可以找出每组样本不同的特征



聚类分析的度量随堂测验

1、对联通客户进行分组,以便根据各组的特点,策划不同的营销方案,需要客户哪些数据?
    A、客户人口数据
    B、收入数据
    C、家庭男女组成
    D、客户长途市话以及漫游等通话数据



聚类分析的度量随堂测验

1、有关机器学习算法选择的说法不正确的有?
    A、每种算法都有其使用范围,因此选择算法需要考虑具体处理的问题
    B、判断机器学习算法好坏在数据需求阶段就可以确定
    C、在分类前可以先做聚类分析
    D、对聚类问题可以任选一种聚类算法



基于划分的方法(1)随堂测验

1、下列说法错误的是?
    A、在聚类分析中,簇之间的相似性越大,簇内样本的差别越大,聚类的效果就越好
    B、聚类分析可以看作是一种非监督的样本分组过程
    C、k均值算法是一种常用的聚类算法,簇的个数算法不能自动确定
    D、k均值算法的计算耗时与初始假设聚类中心的位置有关



基于划分的方法(1)随堂测验

1、有关k-means下列说法正确的是?
    A、可以确定样本属性的重要性
    B、可以处理凸型分布数据的聚类
    C、适合任意数据集的分组
    D、聚类的结果与初始选择的假设聚类中心有关



基于模型的聚类随堂测验

1、以下有关kohonen神经网络聚类模型正确的说法是?
    A、Kohonen神经网络的聚类过程不需要计算样本之间的距离。
    B、Kohonen输入层和输出层之间的权重修正不能使用梯度下降法。
    C、kohonon神经网络输出层的神经元计算类似BP神经网络的输出神经元计算。
    D、Kohonon神经网络聚类的组数事先可以确定。



第五单元 可视化分析

可视化分析基础随堂测验

1、以下有关可视化认识错误的是哪个?
    A、可视化是简单地把原始的数据用图的形式展示出来的方法。
    B、可视化可以作为数据预处理的一种方法,找出其中的噪声。
    C、可视化本身是一种数据分析方法,使用图表把数据中隐藏的规律展示出来。
    D、通过数据的可视化,可以促进数据分析人员对数据的认识和规律发现。



可视化分析基础随堂测验

1、下面有关可视化原理的说法,错误的是哪个?
    A、可视化主要是为满足人类决策者对视觉信息的敏感性。
    B、可视化分析的方法论基础是视觉隐喻,可以对数据进行一定的抽象表示。
    C、高维数据可视化需要对数据进行变换,抽取有效特征,从而降低维度。
    D、饼图可分析数据变化的趋势。



可视化分析方法随堂测验

1、下面哪种可视化方法比较适合聚类分析?
    A、直方图
    B、散点图
    C、条状图
    D、箱图



可视化分析方法随堂测验

1、以下有关可视化方法作用的说法,错误的是哪个?
    A、可视化可以在数据预处理阶段,帮助数据分析者发现变量之间的关系。
    B、可视化不是简单地把数据展示成图形,可能要放在原始数据加工后更有效。
    C、可视化可用作机器学习过程的观察以及结果的展示。
    D、可视化就是一种艺术创作,可以创造新的规律。



可视化分析方法随堂测验

1、下面有关箱图(盒图)的作用,正确的是哪些?
    A、作为一种常用的可视化图形,它可以展示一个变量(例如房价)的平均值、上下四分位等统计值。
    B、箱图可以用于分析某个变量的不同取值对另一个变量影响的程度。
    C、通过比较不同影响变量(对被影响变量)的箱图,可大致确定这些变量的相对重要性。
    D、箱图可以了解一个变量的分布以及噪音情况。



在线教学的数据分析案例随堂测验

1、在线教学学生行为的分析中,下面哪个选项不是可视化的作用?
    A、可视化可用于分析不同类别学生的学习轨迹(流程)。
    B、可视化可动态展示不同时期学生群体的学习行为。
    C、可视化可以帮助发现有问题的学生,从而可以提前做学情预警。
    D、可视化可以预测一个刚选课不久的学生学完一门课程所需要的时间。



销售榜Top20
[中国大学mooc]信号与系统B 5
[中国大学mooc]研究生英语科技论文写作 4
[中国大学mooc]工程流体力学 4
[中国大学mooc]计算机控制系统 4
[中国大学mooc]操作系统 4
[中国大学mooc]马克思主义基本原理概论 3
[中国大学mooc]计算机组成原理 3
[中国大学mooc]精细有机合成化学与工艺学 3
[中国大学mooc]微机原理与接口技术(王晓婕) 3
[中国大学mooc]材料科学基础(上)(王永欣) 2
[中国大学mooc]DSP技术 2
[中国大学mooc]研究生英语科技论文写作 2
[中国大学mooc]微机原理与接口技术 2
[中国大学mooc]模拟电子电路(顾梅园老师2019秋季) 1
[中国大学mooc]文献检索 1
[中国大学mooc]模拟电子电路 1
[中国大学mooc]材料科学基础(上) 1
[中国大学mooc]国际贸易实务(双语) 0
[中国大学mooc]数学实验 0
[中国大学mooc]供应链管理 0
阅读榜Top20
[中国大学mooc]大学英语(3) 279
[中国大学mooc]高级财务会计 279
[中国大学mooc]化学与社会 277
[中国大学mooc]体操(健美操、啦啦操) 277
[中国大学mooc]物联网导论 276
[中国大学mooc]波谱解析 276
[中国大学mooc]无机元素化学 276
[中国大学mooc]工程热力学 275
[中国大学mooc]激光原理与技术 274
[智慧树|知到]“一带一路“跨文化交际英语 273
[智慧树|知到]工程热力学 272
[中国大学mooc]房屋建筑学 271
[智慧树|知到]Excel数据处理与分析 270
[中国大学mooc]环境设施设计 270
[中国大学mooc]分析化学 269
[中国大学mooc]儿童发展 269
[中国大学mooc]电工电子实验基础 268
[中国大学mooc]中国文化概论 268
[中国大学mooc]无机化学(下) 268
[中国大学mooc]水文学 267
随机推荐
[中国大学mooc]微积分(上)
[中国大学mooc]建筑设备(2学分)
[中国大学mooc]社交礼仪
[中国大学mooc]摄像基础
[中国大学mooc]外贸函电与写作-刘敏
[中国大学mooc]汽车传动系统构造与原理
[中国大学mooc]鱼类生理学(麻艳群)
[中国大学mooc]体育舞蹈
[中国大学mooc]有机化学-邓超
[中国大学mooc]CAD(UG)
[中国大学mooc]传感器技术
[智慧树|知到]现代汉语(山东联盟)
[中国大学mooc]中国十大传统名曲赏析
[中国大学mooc]宏观经济学
[中国大学mooc]国际商务
[中国大学mooc]药物制剂
[智慧树|知到]创意摄影(黑龙江联盟)
[中国大学mooc]综合能力训练(ERP模拟经营沙盘)李明
[智慧树|知到]酶工程(山东联盟)
[中国大学mooc]土地测量与制图(张琦)