数据科学基础
本课程介绍数据科学的基础内容，包括数据收集、清洗、分析与可视化，并训练处理真实数据集的实践能力。
Instructor: Prof. Data
Term: 春季
Location: Science Building, Room 202
Time: 周一、周三 14:00–15:30
课程概览
本课程全面介绍数据科学的原理与实践。学生将：
- 掌握端到端的数据科学工作流
- 获得数据处理工具的实践经验
- 培养数据可视化与沟通能力
- 应用统计方法从数据中提取洞见
先修要求
- 基础编程知识（最好使用 Python）
- 入门统计
- 基础代数
教材
- Wes McKinney，《利用 Python 进行数据分析》
- Joel Grus，《数据科学入门》
评分
- 作业：50%
- 项目：40%
- 课堂参与：10%
Schedule
| Week | Date | Topic | Materials |
|---|---|---|---|
| 1 | 2 月 5 日 | 数据科学导论 数据科学工作流与关键概念概览。 | |
| 2 | 2 月 12 日 | 数据收集与 API 通过 API、网页抓取与数据库收集数据。 | |
| 3 | 2 月 19 日 | 数据清洗与预处理 缺失值、异常值与数据变换方法。 | |
| 4 | 2 月 26 日 | 探索性数据分析 描述统计、可视化与模式发现。 | |
| 5 | 3 月 4 日 | 统计分析 假设检验、置信区间与统计推断。 | |
| 6 | 3 月 11 日 | 数据可视化 有效数据可视化的原则与工具。 |