电脑知识与技术大数据背景下，数据挖掘课程已经成为高校大部分本科专业的必修课程。但是，目前的数据挖掘课程中存在入门门槛高、与社会需求脱节、实践环节缺失等问题。为此，提出利用开源的机器学习框架Sklearn和深度学习框架PyTorch进行课程设计研究，通过三阶段模式降低课程入门门槛，使用开源框架提升学生的实践体验，以课程内容为导向设计课程思政内容。经过教学实践发现，该课程设计模式能够改善课程质量，积极调动学生的学习热情。智慧旅游是旅游业发展的主要方向。本文利用CiteSpace工具选取CNKI中国知网与WOS核心数据库中的353篇中文文献与1 357篇英文文献作为数据样本，对国内外智慧旅游高质量文献进行了梳理与总结。结果表明，国内智慧旅游研究分为两个阶段，热点主要集中于旅游业发展、旅游者、旅游信息化三个方面，国外智慧旅游研究分为三个阶段，热点主要集中于智慧旅游、智慧旅游算法技术两个方面。后续国内智慧旅游应当加强智慧旅游与信息化的研究，特别是新兴技术在智慧旅游中的应用。学习投入是影响学习者学习绩效的重要因素，在混合教学中如何实施有效教学策略以提高学习者的学习投入水平需要深入探讨。研究通过问卷调查分析学习者学习投入及影响因素，从学习风格、时间管理、课堂参与度、课程满意度以及学习者期望多个维度展开分析。通过探讨学习者在混合教学模式下学习投入的现状，以及对混合教学的满意度，进而探究促进学习者学习投入水平策略，实现混合教学质量的提升和教学效果的优化。

针对图像边缘提取中存在的断裂、不连续以及定位不准确等问题，本文提出一种新的多算法融合边缘检测方法WAL(Weighted Mean Filtering and Laplace Operator)，并使用现场可编程逻辑门阵列（Field Programmable Logic Gate Array,FPGA）进行仿真实现。该算法首先采用加权均值滤波器对图像进行去噪，然后基于扩展的拉普拉斯算子提取边缘特征信息。最后，使用2×2腐蚀膨胀对提取的边缘进行闭操作处理，以弥合边缘断裂，提升细节特征。在多个典型图像上的测试表明，本方法能有效改善边缘轮廓的完整连续性，并提高边缘定位的准确性。