《大数据分析》课程标准_第1页
《大数据分析》课程标准_第2页
《大数据分析》课程标准_第3页
《大数据分析》课程标准_第4页
《大数据分析》课程标准_第5页
已阅读5页,还剩13页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

《大数据分析》课程标准一、课程名称大数据分析。二、适用专业大数据技术应用专业。三、课程学时与学分144学时,8学分。本课程是大数据技术应用专业的一门专业核心课程,是从事数据分析专员、数据分析师等岗位必须学习的课程,将为后续学习《小区闸机数据采集标注》、《区域车位引导系统部署与应用》、《智慧校园信息系统运维服务》、《镇街接诉即办平台开分析运维》等综合应用课程奠定基础。本课程开设在第5、6学期,学习该课程之前需具备一定的Excel工具使用、Python编程、数据库操作能力,《Python程序设计基础》、《数据库技术应用》、(Excel数据分析技术》、《互联网数据采集》是该课程的前导课程。本课程学习的知识和技能可以为考取大数据分析与应用X证书(初级)做知识和技能准备。五、课程目标通过本课程的学习,能完成碳中和碳达峰热点趋势分析任务、商品销量趋势分析任务、销量变化原因分析任务、招生变化原因分析任务、线上教学每日情况分析任务、学生画像分析任务、网易云音乐推荐分析任务、智能制造数据分析任务、金融风控数据分析任务,达到以下具体目标:(一)素养目标.培养学生的政治思维、政治洞察力与政治敏感性,培养学生的社会主义核心价值观、爱国主义情操。(培养规格1).了解大数据、网络信息等产业文化,遵守职业道德准则和行为规范,具备社会责任感和担当精神。(培养规格3).具备认真细致、实事求是、严谨细致的学习态度,具有较好的逻辑思维能力、科学的思维方法。(培养规格7).养成良好的数据思维,具备透过数据分析形成对实际业务问题清晰的洞察力。(培养规格8)餐垫法、工作站法、展览馆法等特色的教学组织方式,提升学生自主探究、合作学习的意识,培养良好的学习习惯;在每个学习单元,学生进行自主探究学习与小组合作讨论学习,加强操作训练;以企业生产过程中实际的工作任务作为案例,在实践中引导学生学会分析问题、解决问题。在教学过程中应充分利用实训环境,按照行动导向六步骤,采用任务驱动法等教法,引导学生开展自主、探究、合作的学习活动,在实践中引导学生学会分析问题、解决问题。通过教师示范操作,强调岗位标准,强化学生的职业规范,提升学生数据分析实操技能,提高学生自主探究的能力,逐步养成严谨科学的职业习惯。在解决问题的过程中,学生养成耐心、细致、精益求精的工作态度,强化学生的质量意识。本课程在课堂上除了板书讲解等教学手段外,还采用多媒体教学课件、学习网站、视频演示、模拟系统,职教云平台等现代化教学手段,使用了大数据、人工智能、虚拟仿真实训等信息技术,以提高学生的学习兴趣、拓展学习方法,使学生可以有更多的途径获取知识和技能。(五)教学评价严格落实培养目标和培养规格要求,围绕大数据技术应用专业的人才培养目标,通过教师、企业、学生三个评价主体从核心素质、关键知识、综合能力、实践成果四个维度,通过课堂评价(占比20%)、项目评价(占比50%)、课程评价(占比30%)三种形式收录反映学生成长过程和发展水平的描述与实证材料,全面评价学生综合素质,客观反映学生的个性差异和特长,突出评价对学生全面发展的促进作用。.课堂评价(20%):通过教师评价、学生互评、学生自评三个主体侧重核心素质的评价。课堂评价采用线上线下混合评价方式,借助职教云、雨课堂、云班课等信息化平台对学生在课堂上的学习过程、互动情况等展开评价,结合学生自评、互评等多种评价方式,利用数字信息化直观展示学生的整体情况,让教师在课程中帮助学生更清晰的认识自己。学习笔记的检查20%(学生将学习笔记在规定时间内拍照上传信息化平台):评价标准为四级式:A、B、C、D,要求完整、字迹工整、有重点、难点的标记。学习材料的保存15%(教师线下课堂检查):评价标准为四级式:A、B、C、D,要求完整、字迹工整、有错误工作页进行了正确的修改。教师评价40%(借助信息化平台开展评价):学生出勤(10%)、学习成果展示(10%)、学习过程表现(师生互动、课堂练习、随堂测试等)(10%)、实操(10%)。学生互评15%:组内其他同学的评价(10%),组外同学的评价(5%)o学生自评10%:自己对自己的评价。.项目评价(50%):阶段测评项目评价以小组为单位,进行综合素质评价及每一个项目作品成果评价,针对每一个项目,累计各个工作阶段实施评分、素质评分、项目成果评分,将评分数据由学习平台进行统计,最终项目结束后按照评分公布优秀项目组,学生素质通过多维能力雷达图展示,实现学生的增值性评价,学生养成职业认同感。其中《素质评分表》如下表所示,每个项目素质评价内容相同,各项目评价考核表详见附件1《项目评价考核明细表》,每个项目考核内容不同。.课程评价(30%):期末考试理论考试(30%):试卷,从试题库中抽取100分的试题进行考核,试题类型有主观题:80%,填空题、选择题和判断题组成;客观题:20%,简答题、论述题。考核时间为:90分钟、闭卷。考核内容为:学习内容中涉及到的所有内容,重点为技术类要求掌握的知识以及其它能够用试卷考核的内容。项目测试(70%):为学生提供9个真实案例项目,每个小组随机抽取一个工作项目,并且按照任务书的要求完成1个完整的工作项目。考核时间:6节课。前四节课为项目制作,最后两节课为项目结果说明展示。考核人员:企业员工和专业教师组成。考核内容:碳中和碳达峰热点趋势分析、商品销量趋势分析、销量变化原因分析、招生变化原因分析、线上教学每日情况分析、学生画像分析、网易云音乐推荐分析、智能制造数据分析、金融风控数据分析。重在考核学生通过运用综合能力,做出的实践成果,详见附件2《大数据分析》课程综合评价表。附件1:碳中和碳达峰热点趋势分析1)考核项目1——碳中和碳达峰热点趋势分析考核项目1——碳中和碳达峰热点趋势分析采用过程性评价,考核评价表如下表所示:考核项目1一一碳中和碳达峰热点趋势分析考核评价表班级: 姓名: 学号:考核项目1碳中和碳达峰热点趋势分析序号评价标准分值自我评价30%小组评价30%教师评价40%1能够准确介绍碳中和碳达峰在数字经济发展中的重要作用,呈现碳中和碳达峰数据的特点、字段类型含20义等信息。2能够详细介绍分析碳中和碳达峰数据的分析维度,阐述趋势变动的原因。203能够熟练使用Excel等分析维度开展碳中和碳达峰热点趋势分析,并能呈现分析过程。304能够独立撰写碳中和碳达峰热点趋势分析报告,语言通顺,图文并茂。30合计1002)考核项目2——商品销量趋势分析考核项目2——商品销量趋势分析采用过程性评价,考核评价表如下表所示:考核项目2——商品销量趋势分析考核评价表班级: 姓名: 学号:考核项目2商品销量趋势分析序号评价标准分值自我评价30%小组评价30%教师评价40%1能够准确说明业务的需求,判断需求的可行性,筛选影响商品销量趋势的因素。102能够正确介绍一种项目中采用的商品销量分析模型,能够快速说明分析模型的使用方法203能够熟练使用数据分析工具开展数据EDA分析,能够呈现分析报告304能够展示基于数据分析结果的可视化图表,并说明分析结论205能够独立撰写商品销量趋势分析报告,语言通顺,图文并茂20合计1003)考核项目3——销量变化原因分析考核项目3——销量变化原因分析采用过程性评价,考核评价表如下表所示:考核项目3——销量变化原因分析考核评价表班级: 姓名: 学号:考核项目3销量变化原因分析序号评价标准分值自我评价30%小组评价30%教师评价40%1能够准确介绍业务部门的数据需求,评估需求可行性,制定整体分析策略102能够熟练使用Python对数据进行清洗,并呈现处理结果203能够使用Python开展趋势性分析,得到影响商品销量变动的因素304能够可视化展示分析结果,能够从图表中解读商品销量的变化因素205能够独立撰写销量变化原因分析报告,语言通顺,图文并茂20合计1004)考核项目4——招生变化原因分析考核项目4——招生变化原因分析采用过程性评价,考核评价表如下表所示:考核项目4——招生变化原因分析考核评价表班级: 姓名: 学号:考核项目4招生变化原因分析序号评价标准分值自我评价30%小组评价30%教师评价40%1能够准确说明学校历年招生情况,介绍学校招生部门的数据分析需求202能够熟练运用描述性分析、趋势性分析、相关性30分析等多种分析方法探索招生变化原因,并给出分析方法的落地实施,呈现分析代码3能够使用数据可视化工具(如Python)绘制可视化图表展示分析结果,呈现影响招生变动的原因304能够独立撰写招生变化原因分析报告,语言通顺,图文并茂20合计1005)考核项目5——线上教学每日情况分析考核项目5——线上教学每日情况分析采用过程性评价,考核评价表如下表所示:考核项目5一一线上教学每日情况分析考核评价表班级: 姓名: 学号:考核项目5线上教学每日情况分析序号评价标准分值自我评价30%小组评价30%教师评价40%1能够准确描述学校线上教学的现状,准确说明学数据分析的需求,制定整体的分析策略202能够熟练从数据源导入教学数据,并进行简单的预处理得出结果,保存处理后的教学数据303能够准确表述开展教学情况数据分析的维度,并给出落地实施策略,能够展示分析代码304能够独立撰写教学情况分析报告,语言通顺,图文并茂20合计1006)考核项目6——学生画像分析考核项目6——学生画像分析采用过程性评价,考核评价表如下表所示:考核项目6——学生画像分析考核评价表班级: 姓名: 学号:考核项目6学生画像分析序号评价标准分值自我评价30%小组评价30%教师评价40%1能够简洁明了介绍学生画像分析所使用的数据源,言之有物102能快速使用数据清洗工具进行学生画像数据的预处理任务,并展示处理结果103能够简要介绍学生画像指标体系的构建过程,从中选择若干指标详细阐述304能够从学生画像指标体系中总结发现,解读学生的学习和生活状态305能够独立撰写学生画像分析报告,语言通顺,图文并茂20合计1007)考核项目7——网易云音乐推荐分析考核项目7——网易云音乐推荐分析采用过程性评价,考核评价表如下表所示:考核项目7——网易云音乐推荐分析考核评价表班级: 姓名: 学号:考核项目7网易云音乐推荐分析序号评价标准分值自我评价30%小组评价30%教师评价40%1能够清楚介绍网易云音乐歌单数据的采集过程,说明歌单数据的字段含义、数据特点。202能够熟练使用Python第三方库Pandas导入歌单数据,并进行简单的数据预处理工作203能够准确说明Pandas核心数据结构DataFrame的分组聚合功能,结合歌单数据展示者E个维度的分析结果304能够使用Pandas的可视化模块展示基于DataFrame的分析结果105能够独立撰写网易云音乐推荐分析报告,语言通顺,图文并茂20合计1008)考核项目8——智能制造数据分析考核项目8——智能制造数据分析采用过程性评价,考核评价表如下表所示:考核项目8——智能制造数据分析考核评价表班级:姓名:学号:班级:姓名:学号:序号评价标准分值自我评价30%小组评价30%教师评价40%1能够正确介绍智能制造推动数字经济发展的重要作用,说明智能制造是重要的数字化转型实践202能够快速使用数据处理工具对智能制造设备运行数据进行简单的预处理,并展示处理结果203能够准确介绍智能制造设备运行指标体系,能够从中挑选若干指标展示落地实施过程204能够快速搭建智能制造设备运行指标监控看板205能够独立撰写智能制造数据分析报告,语言通顺,图文并茂。20合计100考核项目8智能制造数据分析9)考核项目9——金融风控数据分析考核项目9——金融风控数据分析采用过程性评价,考核评价表如下表所示:

考核项目9——金融风控数据分析考核评价表班级: 姓名: 学号:考核项目9金融风控数据分析序号评价标准分值自我评价30%小组评价30%教师评价40%1能够简要介绍金融风控的背景、现状以及未来发展趋势102能够快速使用数据处理工具对金融风控数据进行EDA分析、预处理,展示处理结果。103能够对金融风控数据进行趋势性、相关性分析,呈现分析结论104能够准确说明金融风控指标体系,展示指标的计算过程205能够使用Pandas计算各个维度的排行榜榜单,对用户信用情况分级评价。206能够熟练使用可视化工具绘制可视化图表展示分析结果,并呈现分析结论。107能够独立撰写金融风控数据分析报告,语言通顺,图文并茂。20合计1005.培养爱岗敬业、团结协作、吃苦耐劳的职业精神。(培养规格10)(二)知识目标.了解数据分析在大数据真实项目分析流程中的重要作用。(培养规格4).掌握营销行业常见的人货场、AARRR、漏斗分析等数据分析模型。(培养规格17).了解教育、文娱、智能制造、金融等行业应用场景下的多维度分析策略与方法。(培养规格17).掌握常见的探索性数据分析方法和实践工具。(培养规格17).掌握Python第三方库Pandas的数据分组聚合方法、可视化方法。(培养规格11).掌握搭建可视化看板的步骤与方法。(培养规格17).了解预测性分析的基本方法与实践工具。(培养规格17)(三)能力目标.能够理解主流的营销数据分析模型,完成商品销量数据分析。(培养规格17).能够使用可视化工具搭建可视化看板,展示相关数据的变动趋势。(培养规格17).能够使用数据分析工具开展描述性分析、趋势性分析、相关性分析、预测性分析等分析工作,总结分析结论,辅助决策。(培养规格17).能够使用Python第三方库Pandas计算指标,构建画像指标体系。(培养规格17).具备基础的数据分析工具使用能力。(培养规格17).具备考取大数据分析与应用X证书(初级)的能力。(培养规格17)六、课程内容与要求本课程以多种不同行业场景下的数据分析任务为载体,坚持立德树人的根本要求,结合学生学习特点,遵循职业教育人才培养规律,落实课程思政要求,有机融入思想政治教育内容,紧密联系工作实际,突出应用性和实践性,注重学生职业能力和可持续发展能力的培养。合理设计:学习单元、能力点、学习内容与要求。本课程按照数据分析任务涉及的行业、知识技能安排学习单元教学内容。学习单元1-9分别涉及碳中和碳达峰、营销、教育、文娱、智能制造、金融风控等行业的数据分析场景。在知识体系上,学习单元-8是并列关系,学习单元9在数据分析的基础上涉到金融风控指标体系构建的知识内容,难度稍大。表1课程内容与要求序号学习单元能力点学习内容与要求学习成果建议1碳中和碳达峰热点趋势分析.能够熟练掌握数据源的协议格式,分析数据源的数据结构,从数据库提取数据。.能够使用Excel等工具对数据进行分组聚合等运算,完成数据分析任务,得到分析发现和结论。.能够主动了解软件与信息技术行业信息、数据可视化前沿技术,掌握数据可视化等相关岗位技能。.能够使用数据分析方法碳中和碳达峰行业发展动态与底层逻辑,洞察行业发展走向。2商品销量趋势分析.能够对接需求,沟通讨论业务需求的可行性。.能够根据需求梳理业务流程,通过指标拆解,确定分析目标,完成指标体系构建,产出分析思路。.能够使用数据分析工具完成描述性统计分析,产出分析结论。.能够使用可视化工具展示分析结果,总结关键性发现和结论,并给予合理建议,输出结构化分析报告。学时.了解碳中和碳达峰的内涵、意义及作用。.了解碳中和碳达峰数据的特点、字段类型含义。.掌握数据分析工具(如Excel>Python)的使用方法。4,掌握从时间、地理位置、产业类别等多个角度开展碳中和碳达峰热点趋势分析的方法。.学习撰写碳中和碳达峰热点趋势分析报告的思路,撰写分析报告。1.碳中和碳达峰热点趋势分析报告1份。12.了解商品销量数据的特点。.了解对接业务需求、分析需求的方法,找出影响商品销量趋势的关键因素。.理解商品销量分析的主流模型,如漏斗分析、AARRR模型、人货场模型等。,掌握使用数据分析工具进行初步EDA分析的方法步骤。.掌握使用数据分析工具落地分析模型与策略的流程。.熟悉可视化工具(如.商品销量数据EDA报告1份。.商品销量趋势变化分析报告1份。16Excel)的操作步骤,对分析结果进行简单的可视化展示。7.学习撰写数据分析报告的思路,给出销售优化建议。3销量变化原因分析L能够对接业务需求,沟通讨论业务需求的合理性、可行性。2.能够梳理业务流程,通过指标拆解,确定分析目标,产出合理的分析思路和解决方案。.能够使用Python等数据分析工具对数据进行趋势分析等分析工作,得到分析发现和结论。.能够使用可视化工具选择合适的可视化图表展示分析结果。.了解对接业务部门了解数据分析需求的流程,了解销售变化数据集的特点。.掌握使用Python数据分析工具对数据进行简单清洗的步骤。.掌握使用Python数据分析工具进行趋势性分析的方法,探索商品销量变动的原因。.掌握可视化工具(如Python)的方法步骤,对分析结果进行简单可视化展Zj\o.学习撰写数据分析报告的思路,给出销售优化建议。.数据可视化图表若干张。.商品销量变动分析报告1份。124招生变化原因分.能够与业务对接需求,了解需求产生的背景,讨论问题可能产生的数据原因,沟通讨论业务需求的必要性、可行性。.能够使用Excel>Python等工具对数据进行分组、聚合以及数学运算,完成描述性统计.了解学校招生部门的数据分析需求,了解招生数据集的特点。.了解学校历年招生情况,掌握影响学校招生的潜在因素。.掌握使用Python第三方1.招生数据需求分析报告1份。2.学校招生变化原因分析报告1份。12分析,使用对比分析、漏斗分析、用户分群、趋势分析、相关性分析等方法进行分析,得到分析发现和结论。.能够熟练使用可视化图表展示分析结果,总结发现和结论,并给予合理建议。.能够树立正确的职业观、保障他人隐私,爱岗敬业、德技并修。库Pandas对数据进行描述性分析、趋势性分析、相关性分析的步骤方法。.掌握使用数据可视化工具(如Python)绘制可视化图表展示分析结果,探索招生变化的原因。.学习招生变化原因报告的撰写思路,产出分析报告。5线上教学每日情况分析.能够对接教务部门需求,讨论问题产生的数据原因,沟通需求可行性。.能够掌握教学情况数据源的协议格式,能够从数据源提取数据。.能够使用数据分析工具对数据进行分组、聚合等运算,完成描述性统计分析。.能够与团队协作、及时沟通解决线上教学分析项目中遇到的技术问题,推进工作进程。.了解学校实施线上教学的总体情况。.掌握学校教务部门数据分析的需求。,熟悉从教学数据源提取数据的步骤,掌握简单的数据清洗方法。.掌握从时间、专业、课程、班级、教师、学生等多维度开展每日线上教学情况分析的方法。.熟悉撰写教学情况分析报告的方法步骤,产出分析报告。.学校线上教学每日情况数据1份。.线上教学数据分析报告1份。166学生画像分析.能够使用数据分析工具对数据进行分组、聚合以及数学运算,构建学生画像指标体系。.能够使用可视化工具搭建学生画像可视化看板,总结关键性发现和结论,并给予合理建.了解生成学生画像所需要的数据源。,熟悉使用数据处理工具清洗数据的步骤。.学习构建学生画像指标体系的方法。1.学生画像图表若干张。2.学生画像分析报告1份。16议。.能够正确使用用户画像场景下的专有名词、专业术语与行业用语,与团队顺畅沟通交流。.能够时刻关注用户画像的最新前沿技术的意识,不断进行自我知识更新与学习。.学习使用数据分析工具落地实施指标体系的流程。.掌握学生用户画像的分析与解读方法,基于学生画像分析学生在校生活、学习状态。.掌握撰写学生画像分析报告的思路,产出分析报告。7网易Za日乐推荐分析L能够使用数据工具从网易云音乐页面提取歌单数据。.能够使用数据分析工具对歌单数据进行分组、聚合等运算,完成简单的描述性分析。.能够使用可视化工具展示歌单数据分析结果,设计音乐TOP榜单,并合理、清晰阐述分析结论。.能够主动了解互联网行业信息,掌握数据分析前沿技术,熟悉数据分析等岗位相关技能。.了解网易云音乐歌单数据的字段含义、数据特点。.熟悉网易云音乐数据的预处理方法。.掌握Python第三方库Pandas的常用方法。.学习Pandas核心数据结构DataFrame的分组聚合功能,掌握对歌单数据集的多维度分析。.掌握基于Pandas对数据分析结果的可视化方法。.掌握网易云音乐推荐分析报告的撰写思路,产出分析报告。.网易玄音乐歌单数据1份。.网易在音乐推荐分析报告1份。188智能制造数据分析.能够使用数据分析工具对智能制造数据进行分组、聚合等运算,基于智能制造背景和业务理解,搭建简单的智能制造设备运行指标体系。.能够使用Excel>Python等.了解智能制造的行业规范、企业实践,理解大数据分析在智能制造产业中的作用。,掌握使用数据处理工具对智能制造设备运行数据1.智能制造设备运行指标监控看板1份。2.智能制造数据分析报16工具选择合适的可视化图表组成智能制造设备运行指标数据监控看板,总结关键性发现和结论。.能够了解智能制造行业法规法则,理解智能制造场景下的数据特点,依法合规开展数据分析工作。.能够熟练掌握智能制造场景下的数据分析技能,不断在行业内深耕,向纵深发展。进行清洗的步骤。.了解智能制造设备运行指标数据的分析与解读方法。.掌握搭建智能制造设备指标体系的方法,落地实施简单的指标计算。,掌握智能制造数据分析报告的撰写思路,产出分析报告。告1份。9金融风控数据分析.能够使用Excel>Python等工具对数据进行分组、聚合以及数学运算,完成描述性统计分析。.能够使用对比分析、漏斗分析、用户分群、趋势分析、相关性分析等方法开展金融风控数据分析,得到分析发现和结论。.能够使用Excel等工具选择合适的可视化图表类型展示分析结果,总结关键性发现和结论,并给予合理建议,输出结构化分析报告,并合理、清晰地阐述分析结论。.能够树立正确的职业观,注意保护数据隐私、保障他人隐私,爱岗敬业、德技并修。.能够关注金融风控行业发展.了解金融风控数据的字段类型、含义以及意义。.掌握使用数据处理工具对金融风控数据进行预处理的步骤。.掌握用金融风控数据的趋势性、相关性分析方法,学习风控指标体系的分类类别,熟悉指标计算的方法。.学习基于指标体系使用Python第三方库Pandas计算排行榜榜单,对用户信用情况分级评价,发现高价值客户。.熟悉使用可视化工具绘制可视化图表展示分析结构,给出信用评估建议。.掌握撰写金融风控数据.金融风控数据EDA报告1份。.金融风控数据分析报告1份。26动态,了解行业现状与热门资讯,及时调整自我职业规划。分析报告的撰写思路,产出分析报告。七、课程实施(一)师资队伍.专任教师职业能力:具备优秀的专业课教学开展与组织能力,掌握Python编程能力、数据分析能力,能够以情境任务要求分析数据并得出结论。知识结构:了解数据分析专员、数据分析师的各项职业岗位要求;在专业领域中,具备前端开发、大数据技术等较为深入的专业知识背景。资质:具备中职学校专业课任教资格和企业实践经历。.兼职教师职业能力:企业优秀讲师或行业企业专家,具备有3到5年的数据分析相关行业从业经验,参与过多个数据分析项目开发过程,具有较强的专业技能,具备良好的专业课教学开展与组织能力,具备优秀的Python编程能力,掌握多种数据分析算法,能够以情境任务要求绘制可视化图形。知识结构:在行业领域中,深入了解数据分析专员、数据分析师、算法工程师的各项职业岗位要求;在专业领域中,具备前端开发、大数据技术等深入的专业知识背景。资质:具备数据分析相关行业从业背景和企业工作经历。(二)实验实训条件.校内实训基地根据不同的项目学习需要,选择教室、校企合作实习实训基地、实训设备

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论