Total Coursework Assessment
The coursework is assessed in two parts, A and B:
60% of marks for Part A
40% of marks for Part B
Coursework will be submitted via Turnitin in zipped files.
Part A (Lectures 01-05)
The assignment will involve the submission of a Python Jupyter notebook (NB) and a web page containing select visualisations (WP).
NOTE:
there is a limit of 30 to the cumulative number of static and interactive charts/maps you can submit for the web presentation
IMPORTANT: The notebook and web-page submissions are stand-alone and shouldn't assume that the assessor has read the Part B presentation. You can reuse body text from Part B - this will not be included in your word-count limit for the coursework. Also there is no word count on explanatory text in the Jupyter notebooks or web-page.
Dataset
The Part A and Part B visualisations will be based on your chosen dataset. This total size of this dataset and any datasets used to augment it should not exceed 150mb in size. The dataset should include some geographical data which can be used to produce a Plotly map for the web presentation.
This dataset can be augmented by other data where required but the primary focus is using the notebooks to explore this dataset. Try and keep the datasets a reasonable size - a few thousand rows should be sufficient to demonstrate your dataviz skills and provide a dataset which is both interesting to you and contains interesting correlations to present to others.
If the dataset requires cleaning or refinement this should be included in the notebook, preferably in a separate section.
Notebook
With the notebook it's important to explain what you are doing and why. You will need to demonstrate:
Understanding of the dataset using Pandas to query its structure.
Exploration of the dataset driven by iterative charting/mapping etc.
The selection of key dataviz charts from the exploratory phase for presentation in the web-page.
Try and create a narrative for your notebook - from the raw dataset, through its refinement and exploration with Pandas, Matplotlib and Plotly etc. and finally to the selection of key charts for your web presentation.
I suggest breaking your notebook into three key sections:
Inspecting, cleaning and refining the dataset.
Exploring the refined dataset.
A conclusion and explanation of which resulting charts/maps were chosen for the web presentation and why.
Web presentation
It's possible to use Codepen for your web presentation but the projects, as opposed to the pens, are not free. Codesandbox is a free option that allows for proper web projects with image assets. The free Codepen 'pens' are designed for little web-dev sketches are will probably be too limiting and awkward for your web presentation.
A Codesandbox project should provide everything needed for the web presentation. Alternative web resources like can also be used. If you want to work locally with a conventional web structure (typically a root directory containing an index.html entry point and sub-folders with any assets used) you can just zip that project directory for submission. Here's an example of how your project's file structure might look with an index.html 'entrypoint' and sub-folders containing the CSS, JavaScript and data:
ucl-dataviz-project-2026
├── data
│ └── FTSE_time_series.csv
├── images
│ └── key_ftse_indicators.png
│ └── ftse_map_company_worth_by_country.png
├── index.html
├── index.js
├── style.css
├── scripts
│ ├── gdp_country_plotly_map.js
│ └── 2026_stock_analysis_plotly.js

For the web presentation you can use any charts/visualisations in the Matplotlib ecosystem (including auxiliary libraries like Seaborn) and any Plotly, Datawrapper charts/maps etc. The Plotly charts can be developed using Python or JavaScript.
Using JavaScript is not mandatory but the Plotly JavaScript API, which is very close to the Python based one, does offer some advantages. You need only worry about getting the data from your notebook to the web/codepen/Codesandbox and can then do all the adaptation and refinement in one place.
The web presentation (page) should include the following, as a minimum:
At least four Pandas/Matplotlib/Seaborn charts
At least two Plotly charts
At least one Plotly map
At least one Datawrapper chart
Marking guide
The marks for notebook and web-project will be apportioned as follows:
Notebook:
Structure, flow, presentation (30/100)
Exploration, insights, data discoveries (30/100)
Code quality, efficiency, choice of algorithms (20/100)
Misc., data refinement, use of auxiliary libraries (20/100)
Web-project:
Choice and presentation of charts (40/100)
Structure, flow, coherency (20/100)
Layout, aesthetics, ease of use (20/100)
Technical ambition (20/100)
Submission
The presentation will be submitted as a zip file containing the notebook, web-page and any data/assets required to view the presentation.
Codesandbox projects can be downloaded - use the download project option on the top left square menu to save your project files locally, then zip them for submission. We will cover this in the lectures.
If the project is available online please include the Codesandbox (or other) URL - this will make assessment easier.
The naming convention must be Group X - Part A
Part B (Lectures 07-10)
Recommended Workflow: 1. Complete Part A data cleaning in Python 2. Export cleaned data to CSV 3. Import CSV into Power BI (avoid complex data cleaning in Power BI) 4. Create dashboard visualizations 5. Write design rationale referencing Part A insights
Part B: Functional Power BI Dashboard with Design Rationale
Objective
To create a functional Power BI dashboard that visualizes key insights from the dataset you have chosen for Part A, demonstrating your team's ability to apply both conceptual design thinking and practical Power BI skills.
Any Power BI specific Python/Pandas data cleaning or analysis can be included in a section of your Part A Python notebook.
This assignment emphasizes:
Design principles: Understanding how to create a dashboard tailored to a specific audience.
Hands-on practice: Building a functional dashboard that includes visuals and interactivity.
Rationale: Articulating and justifying your design decisions.
Assignment Requirements
1. Build a Functional Power BI Dashboard
You are required to create a working dashboard in Power BI that includes a minimum of:
Three (3) visuals representing key metrics, trends, or insights (e.g., bar charts, line charts, or maps).
One (1) interactive feature (e.g., slicers, filters, or tooltips) to allow users to explore the data.
Annotations (titles, labels, or tooltips) to help users understand the visuals.
Focus: Simplicity and clarity, ensuring that the dashboard is user-friendly and tailored to your intended audience.
2. Address Core Design Elements
a. Visualization Design Process
Identify the most valuable insights from the dataset.
Consider the needs of your audience (e.g., management, analysts, or clients).
b. Relevant Visuals and Analyses
Choose visuals appropriate for the dataset and audience.
Provide a clear rationale for each visual type, for example:
oUse bar charts for comparisons.
oUse line charts for trends over time.
oUse maps for geographic data.
c. Interactivity
Include at least one (1) interactive feature such as slicers, drill-throughs, or tooltips.
Ensure that interactions are intuitive and add value to the user experience.
d. Colour and Layout
Use Power BI's built-in themes or a customized color palette.
Ensure the layout is clean, logical, and user-friendly.
3. Write a Design Rationale (Max 600 Words)
Alongside your dashboard, submit a design rationale that specifically explains:
Key design decisions: Why were certain visuals, interactions, and layouts chosen?
Audience needs: How does the dashboard meet the requirements of the intended users?
Challenges faced and solutions: What difficulties were encountered and how were they resolved?
Deliverables
Power BI Dashboard File (.pbix): A working dashboard file demonstrating your visuals, interactivity, and annotations.
Design Rationale (Max 500 Words): Submit as a Word document (PDF submissions will receive a word count penalty).
Evaluation Rubric
Functionality (25%) - Includes required visuals and interactivity, ensuring they work as intended.
Visual Design and Analysis (25%) - Are visuals appropriate, clear, and insightful?
Interactivity (15%) - Does interactivity enhance data exploration?
Color and Layout (15%) - Is the design visually appealing and accessible?
Design Rationale (20%) - Clearly explains design choices and process.
Additional Notes
Dataset: The same dataset from Part A must be used. We strongly recommend completing data cleaning in Python (Part A) and exporting a clean CSV for Power BI import.
Focus on Simplicity: Prioritize clarity and usability over complexity.
Submission Deadline
Submission Date: 10:00 AM, 31st March 2026
Submission Method (must be followed strictly): Upload the
1.Power BI file (.pbix)
2.Written Design Rational (doc, txt, markdown etc.) with Power BI link share.
via Turnitin on the Moodle Page in the zip format
The naming convention must be Group X - Part B
Last modified: Monday, 26 January 2026, 6:32 PM

第1章 绪论
1.1 研究背景与意义（阐述穿戴甲市场发展、个性化搭配需求及技术赋能潜力）
1.2 穿戴甲智能搭配的现状与挑战（分析现有搭配方式的不足与技术难点）
1.3 主要研究目标及内容概述（明确系统设计目标与本文各章节内容安排）

第2章 相关技术与研究综述
2.1 图像特征提取技术综述（重点介绍CNN及ResNet等深度特征提取模型）
2.2 聚类算法在图像分析中的应用（重点介绍K-means及其变种在视觉领域的应用）
2.3 个性化推荐系统技术概述（介绍基于内容的推荐、协同过滤等基本范式）
2.4 时尚领域智能搭配研究现状

第3章 推荐系统核心模型设计与实现
3.1 数据集构建与预处理
 3.1.1 穿戴甲图像数据集收集与标注
 3.1.2 手部图像数据集收集与预处理
 3.1.3 数据增强与标准化
3.2 基于K-means的穿戴甲聚类分析
 3.2.1 特征设计与提取
 3.2.2 聚类过程与类别释义
3.3 基于ResNet50的图像深度特征提取模型
 3.3.1 模型选型与调整
 3.3.2 特征向量生成
3.4 匹配与推荐算法设计（结合聚类结果与深度特征进行相似度计算与排序）

第4章 智能搭配推荐系统的设计与实现
4.1 系统总体架构设计（展示前后端及算法模块的组成）
4.2 系统功能模块详细设计
 4.2.1 用户交互模块
 4.2.2 图像处理模块
 4.2.3 核心推荐引擎模块
 4.2.4 结果展示模块
4.3 系统开发环境与工具

第5章 系统测试与结果分析
5.1 实验设计与评价指标（说明测试数据、评估方法，如准确率、多样性、用户满意度等）
5.2 核心模型性能分析（展示聚类效果、特征提取有效性等）
5.3 系统功能测试与示例展示（展示系统运行界面和典型推荐案例）
5.4 结果讨论与系统局限性分析
5.5 未来优化与扩展方向
要写论文和修改论文

看监控然后标注一下车牌号 什么时间进来的 什么时间走的 然后是哪个车位 一共三天 明天下午七点前

具体项目需求与甲方沟通，要写论文包修改

角色权限
角色1：普通用户
1.基础操作：账号注册、密码登录、退出登录、个人信息（昵称/地址）修改；
2.商品操作：发布二手商品（上传图片、填写详情）、编辑/下架/删除自有商品、浏览全平台商品、商品搜索/筛选/排序、查看商品详情、收藏商品；
3.交易操作：发起商品购买、生成订单、支付状态模拟、查看全状态订单列表、取消待付款订单、确认收货；
4.评价操作：对已完成订单的商品/卖家进行星级+文字评价，查看自身评价记录。
角色2：系统管理员
1.用户管理：查看全平台用户列表、禁用/启用用户账号、检索用户信息；
2.商品管理：审核待上架商品（通过/驳回）、下架违规商品、置顶优质商品、检索商品信息；
3.订单管理：查看所有订单列表、跟踪订单状态、处理异常订单、检索订单；
4.系统管理：发布/编辑/删除系统公告、查看系统核心数据统计、清理平台无效数据。
核心功能模块详细设计
模块1：用户认证与个人中心模块
用户注册&登录
1.注册：输入账号密码注册
2.登录：账号密码登录
个人中心
1.个人资料：查看/修改头像、昵称、手机号、收货地址
2.我的商品：分页展示自有商品（区分「审核中/已上架/已下架」），支持商品编辑、下架、删除操作，可快速重新发布下架商品；
3.我的订单：按状态分类展示（待付款、待发货、待收货、已完成、已取消），支持订单详情查看、待付款订单取消、待收货订单确认、订单筛选；
4.我的收藏：展示所有收藏商品，支持取消收藏、从收藏页直接发起购买；
5.安全设置：修改登录密码；
6.我的评价：展示自身发布的所有评价，支持查看评价对应的订单与商品。
模块2：商品核心模块
商品发布
1.商品信息填写：必填项+选填项清晰区分，包含「商品名称、商品分类、原价、二手价、新旧程度、商品描述、交易方式、交易地址」；
￮分类预设：数码产品、服饰鞋帽、书籍教辅、家居用品、文体器材、其他，等等；
￮新旧程度：全新、9成新、8成新、7成及以下；
￮交易方式：支持「自提」「邮寄」二选一，需填写对应地址；
2.图片上传：支持多图上传（最多5张）
3.发布规则：发布后商品进入「待审核」状态，管理员审核通过后正式上架展示。
商品展示与检索
1.首页展示：按「发布时间/热度」排序展示商品列表，卡片式呈现商品封面、名称、二手价、新旧程度、卖家昵称；
2.商品详情：完整展示商品所有信息（图片轮播、价格、新旧程度、交易方式、地址、详情描述、卖家信息），提供「立即购买」「收藏」核心按钮；
3.精准检索：支持关键词模糊搜索（商品名称/描述）、分类筛选、价格区间筛选（最低价-最高价）、新旧程度筛选、排序筛选（价格升序/降序、发布时间），筛选条件可组合使用，实时刷新结果；
4.商品收藏：点击收藏按钮即可将商品加入收藏夹，重复点击取消收藏，收藏状态实时展示。
模块3：订单与交易模块
订单生成与状态管理（核心必实现）
1.下单流程：用户点击商品详情「立即购买」→ 确认商品信息+选择收货地址+用户手机号 → 生成唯一订单（订单号格式：时间戳+用户ID）→ 进入「待付款」状态；
2.订单状态流转：
✔️ 待付款 → 用户点击「支付」→ 状态更新为「待发货」；
✔️ 待发货 → 卖家后台点击「确认发货」→ 状态更新为「待收货」；
✔️ 待收货 → 买家点击「确认收货」→ 状态更新为「已完成」；
✔️ 待付款 → 买家点击「取消订单」→ 状态更新为「已取消」；
3.订单详情：展示订单号、商品信息、成交价格、交易方式、收货地址、订单状态、创建时间、买卖双方信息，信息完整可追溯。
交易评价
1.评价触发：仅当订单状态变为「已完成」后，买卖双方可互相评价；
2.评价内容：支持「1-5星星级评分」+「文字评价」，评价提交后不可修改，展示在商品详情页与对方个人主页；
3.评价管控：管理员可在后台查看所有评价，删除违规评价内容。
模块4：管理员后台模块
管理员基础操作
1.独立登录：专属管理员登录入口，账号密码在数据库初始化时预设，验证通过后进入后台；
2.后台首页：数据概览面板，展示平台核心数据（商品总数、订单总数、用户总数、今日新增商品/订单/用户），ECharts可视化图表（柱状图/折线图）。
全业务管控
1.用户管理：分页展示全平台用户列表，支持按用户名/手机号检索，可一键「禁用/启用」用户账号，禁用后用户无法登录；
2.商品管理：分页展示所有商品（区分「审核中/已上架/已下架」），核心操作：
✔️ 审核商品：待审核商品支持「通过」（上架）/「驳回」（填写驳回理由，商品退回至卖家）；
✔️ 管控商品：对已上架商品进行「下架」「置顶」操作，置顶商品在首页优先展示；
3.订单管理：分页展示所有订单，支持按订单号/用户名检索，查看订单完整详情；

注：默认有2个已经训练好的模型可以直接使用，要提供一套训练集，数据集，测试集
一、用户端
1.登录/注册
支持账号密码登录方式；普通用户注册需用户名和密码；未登录用户仅可预览功能，无法上传图片分类。
2.图片识别
1）图片上传
支持单张/多张（最多5张）花卉图片上传，兼容JPG、PNG格式，单张图片大小≤10MB；上传前预览图片，可删除已选图片；上传失败时提示具体原因（格式错误、大小超限、网络异常）。
2）模型选择
下拉列表展示所有启用状态的模型，显示核心信息（模型名称、训练时间、测试集准确率、支持类别数）；默认选中准确率最高的模型，支持用户手动切换，切换时提示模型差异（如模型名称，训练时间，准确率，类别数等等）。
3）分类验证
点击「开始分类」后显示加载状态，禁止重复提交；后端调用模型推理接口，自动适配图片尺寸与格式；单张图片分类响应时间≤3秒，多张图片按顺序处理，总耗时≤单张耗时×图片数量+2秒；分类失败提示原因（模型异常、图片损坏）。
4）结果展示
可视化展示分类结果：图片缩略图+花卉类别名称+置信度百分比（保留1位小数），置信度＜60%时标注「结果仅供参考」；支持下载结果报告（PDF格式，含图片、分类信息、模型信息、分类时间）；提供「重新分类」「查看相似花卉」辅助功能。
3.历史记录
按分类时间倒序展示本人分类记录，每条记录含图片缩略图、分类结果、使用模型、分类时间、置信度；支持按花卉类别筛选；记录永久保存，支持手动删除单条/多条记录，删除前二次确认。
二、管理员端
1.登录
独立登录入口，与普通用户账号体系隔离；仅支持账号密码登录
2.数据集管理
支持上传、更新、删除花卉分类数据集（训练集、测试集需分开上传），仅允许ZIP格式打包（解压后按类别分文件夹存储），单包大小≤1024MB；上传后自动校验数据集完整性（类别文件夹数量、图片格式、标注文件合规性），校验失败返回具体问题；展示数据集详情（名称、规模、类别数、上传时间、更新人）
3.模型训练
1）参数配置：可设置学习率（0.0001-0.1可调）、迭代次数（10-100轮可调）、批次大小（8-64可调），选择训练框架（PyTorch/TensorFlow）与优化器（Adam、SGD）；
2）数据集关联：下拉选择已校验通过的训练集、测试集，支持查看数据集关联信息；
3）任务控制：点击「开始训练」触发异步训练任务，训练中支持暂停、终止，暂停后可恢复训练；
4）日志展示：实时刷新训练日志（每轮损失值、准确率、耗时），可视化展示准确率-迭代次数曲线、损失值变化曲线；
5）结果归档：训练成功后自动按规则保存模型文件，同步将模型路径、参数、测试集准确率、训练时长、训练人等信息存入MySQL；训练失败记录错误日志（含报错位置、原因）
4.模型管理
查看所有训练完成的模型列表（模型ID、名称、训练时间、准确率、模型路径、状态），支持模型启用/禁用、删除
5.训练记录查看
查看所有模型训练记录（成功/失败），支持按时间、准确率筛选，查看失败原因
6.用户管理
查看/禁用/删除普通用户账号

宠物领养平台
用户模块
•注册：手机号/邮箱验证码验证，填写基本信息（姓名、居住地址、养宠经验），密码；
•登录：支持账号密码登录
•个人中心：修改个人信息、查看领养记录/申请进度、修改密码
•权限控制：未登录用户无法提交申请，仅能浏览公开信息。
宠物信息模块
•前端（所有角色）：
￮宠物列表：分页展示，支持筛选（品种/年龄/性别/健康状况/领养状态）、搜索（宠物名/品种）；
￮宠物详情：展示照片/视频、品种、年龄、健康状况、性格、救助背景、领养条件。
•后端（管理员）：
￮增删改查：添加/编辑/删除宠物信息，批量导入导出；
￮状态管理：修改宠物状态（待领养/已领养/审核中/下架）；
￮媒体管理：上传/删除宠物照片/视频，限制文件格式（jpg/png/mp4）和大小（单文件≤300MB）。
领养申请模块
•前端（用户）：
￮提交申请：选择目标宠物，填写领养承诺书（居住条件、经济能力、是否同意回访），上传证明材料（身份证/居住证明）；
￮进度查看：实时查看申请状态（待审核/审核通过/驳回），查看驳回理由。
•后端（管理员）：
￮申请审核：查看申请列表，审核（通过/驳回），填写驳回原因；
￮协议生成：审核通过后自动生成电子领养协议，支持下载/打印。
领养跟踪模块
•前端（用户）：查看回访提醒，提交宠物近况（文字+照片），查看回访记录；
•后端（管理员）：
￮回访管理：创建回访计划（电话/上门），记录回访内容、上传回访照片，标记回访状态（待回访/已完成/异常）；
￮异常处理：回访发现弃养/虐待等异常情况，标记宠物状态并跟进处理。
系统管理模块（管理员）
•账号管理：超级管理员添加/禁用运营管理员账号，分配操作权限；
•公告管理：发布/编辑/删除公告（领养须知、活动通知），支持置顶/分类；
•数据统计：生成领养率、申请通过率、回访完成率等报表（ECharts 可视化）；
•系统配置：设置审核时限（如7天内完成审核）、回访周期（如领养后1个月首次回访）。

需与甲方沟通

1.系统角色与核心权限
管理员
1.基础管理：创建/删除/修改教师、学生账号，重置用户密码；
2.选课规则配置：设置选课时间段（开启/关闭选课）、学生单学期最大选课数量/学分；
3.课程审核：审核教师提交的课程信息，通过后课程上线至选课列表；
4.数据管理：查看全校选课总览（各课程选课人数、学生选课完成情况）。
教师
1.课程管理：提交课程开设申请（课程名称、学分、上课时间、限选人数、课程简介），修改已提交未审核的课程信息，查看本人发布的课程列表；
2.选课管理：查看选读本门课程的学生名单；
3.成绩管理：为选课后的学生录入成绩（百分制），支持修改未确认的成绩。
学生
1.课程查询：查看所有审核通过的课程，可按课程名称、教师、上课时间筛选；
2.选课操作：在选课时间段内选择/退选课程，系统自动检测课程时间冲突并提示；
3.信息查看：查看本人已选课程列表，查询已修课程的成绩。
2.核心功能需求
登录模块
1.三类角色（管理员、教师、学生）通过账号密码登录系统；
2.不同角色登录后自动跳转至对应功能页面，无权限访问其他角色核心功能。
课程管理模块
1.教师端：填写课程基本信息提交审核，查看课程审核状态（通过/驳回）；
2.管理员端：审核课程（通过/驳回，驳回需填写简单理由），审核通过后课程对学生可见；
3.学生端：浏览所有上线课程，查看课程名称、教师、上课时间、剩余名额等信息。
选课管理模块
1.管理员端：设置选课开始/结束时间，开启/关闭选课功能；
2.学生端：选课时间内选择课程，系统检测时间冲突（冲突则提示无法选课），可退选已选课程；选课结束后，无法再操作选课/退选；
3.教师端：选课结束后，查看自己课程的选课学生名单。
成绩管理模块
1.教师端：按选课名单为学生录入成绩；
2.学生端：查看教师已录入的本人课程成绩；
3.管理员端：查看全校课程成绩汇总情况。

爬取cs2饰品的价格，名称，图片，在售数量（出售）
爬取cs2饰品的价格，名称，图片，需求数量（求购）
出售和求购都要爬取
爬取出来数据存到excel里