本平台承担了包括数据挖掘实验在内的3门课程的实验教学任务，包含金融知识图谱等4个具体的实验项目，共16学时，如表所示。

表 虚拟仿真实验项目

实验项目1：金融用户画像实验

内容简介：用户画像是对客户信息在金融业务场景下的系统描述，是对用户数据进行建模，实现用户标签化的过程。本实验包含决策树、SVM和神经网络三个分类模型可供选择，并且提供可设置的参数与数据集，实验的精度以及最终的画像结果将以统计图的形式展示。学生可设置各个模型的参数来调整模型进行试验，例如设置SVM的核方法，或者设置神经网络的学习率、全连接层数等，通过观察模型的精度和画像统计情况，了解各个参数对模型效果的影响，使得学生更快地掌握各种模型的特点。

实验界面：部分实验界面如图所示。

图开始创建模型

图训练结果雷达图

实验项目2：金融结构化数据监督学习仿真实验

内容简介：当前金融、银行领域与业务相关的数据大多是结构化数据，本实验提供了在金融结构化数据中利用监督学习算法自动组合数据低阶特征，从而形成更高阶的抽象特征的过程，最终实现业务预测的效果。在仿真实验中学生可选择不同的金融数据集，设置不同的模型参数，观察在不同参数下结构化数据特征的选择，了解不同的数据特征对预测效果的影响。通过该实验，学生可以更快、更好的掌握深度学习算法、特征工程在CTR（点击通过率）、风险预测等金融场景的具体应用。

实验界面：部分实验界面如图所示。

图实验参数设置                       图实验训练过程

实验项目3：金融知识图谱实验

内容简介：本实验通过网络爬虫和文本抽取两种方式获取实体关系信息，从而构建金融知识图谱,并将数据库中的知识图谱通过关系图的形式表示出来，在此基础上，实现基于图谱的实体识别、实体关系查询、实体关系提取等功能，从而对金融数据进行有效利用。通过本实验，学生可以学习到知识图谱的构建基本流程，体会到知识图谱对知识数据的结构化表征能力。

实验界面：部分实验界面如图所示。

图关系抽取（截图）          图知识图谱创建（截图）

实验项目4：机器学习模型生命周期实验

内容简介：机器学习模型开发的生命周期包括模型创建、模型执行、模型优化和模型部署，科学管理机器学习模型开发的整个生命周期能大大的提高开发效率。本实验提供一个机器学习模型生命周期服务管理平台，主要由模型创建、模型训练、模型部署三个模块构成，可从模板库中选择机器学习的常用方法来构建初步的模型，然后不断修改模型的传入参数进行模型执行和训练，最后对达到要求的模型进行部署。学生可以从模板库选取搭建不同的模型或者自行编写模型代码，并设置不同的传入参数进行实验，对训练好的模型进行部署，在整个过程中了解机器学习模型开发的生命周期，使学生更快、更好的掌握机器学习模型的开发。

实验界面：部分实验界面如图如图所示。

图模型训练（截图）                   图模型部署（截图）