2020秋 2019秋 2018秋 2017秋 课程号：CS150301
- 课程难度：中等
- 作业多少：很多
- 给分好坏：超好
- 收获大小：一般
| 选课类别：核心通识 | 教学类型：理论课 |
| 课程类别：一般通识 | 开课单位：计算机科学与技术系 |
| 课程层次：通修 | 学分：2.0 |
课程内容
《数据科学导论》主要讲解数据科学的各种分析方法，内容覆盖机器学习和数据挖掘领域的基础知识。课程介绍较为广泛，涉及前沿和应用方面的知识，但对编程基础要求较高。部分同学认为课程内容较浅，有些则感觉课程对入门者非常不友好，需要自己大量课外学习。
教学水平
讲课主要以 PPT 朗读为主，准备不够充分。虽然部分同学认为刘老师讲课比较贴近实际应用，结合了有趣的段子和前沿知识，但许多同学对这种教学方式不满意，认为与思修马原类似，缺乏深度和互动。
考试与作业
课程考核包括两次签到、调研报告和实验报告，所有任务分量较重。调研报告需要选题自行研究，实验报告则是根据老师要求参加指定比赛，并解释自己的工作。对于编程基础薄弱的同学来说，任务挑战较大，需要额外时间自学。
给分情况
总体来说，给分较为慷慨，多位同学提到认真完成任务后可以得到不错的成绩。有同学对自己在完成基础工作的情况下拿到高分表示惊讶，认为大一大二学生可能会被宽容对待。
建议
对于之前对机器学习、人工智能完全不了解的同学，这门课程并不友好，需要大量课外学习和自学。大一大二学生建议谨慎选择。
- 课程难度：困难
- 作业多少：很多
- 给分好坏：超好
- 收获大小：一般
- 难度：困难
- 作业：很多
- 给分：超好
- 收获：一般
课程主要讲解数据科学的各种分析方法
讲课差不多是对ppt念，对于课程准备的不是很充分的感觉，但是总体感觉还行
成绩有两次签到成绩、调研报告和实验报告，签到没什么好说的，调研报告需要自己选一个课题去做，实验报告是根据老师的要求参加指定的比赛，然后讲解自己的工作。
对于之前没有过实际编程和数据分析经历的人（至少是我）非常煎熬，前几周完全处于什么都不懂的状态，说实话老师对数据分析肯定很了解，上课讲述的东西也比较贴近应用，但是关于编程之类的东西要完全靠自己摸索……这方面一般是用python和Java，这两种语言都和科大开设的c语言有较大的出入，是面向对象编程的语言，没有这方面编程基础的需要现场学习了解其中内涵后进行编程，对于我十分煎熬……在很长时间内到处找各种机器学习的书籍却没有什么入门内容，一种材料是深入机器学习的数学原理，对于这门课太深了，而且对新手没必要，一种是对已经有基础的人的代码，我也看不太懂……最后终于找到了对这门课帮助最大的一本书《基于scikit-learn和tensorflow 机器学习实战》靠这本书的手把手的教程才终于对使用机器学习有了一点点经验，把最后的报告混完了。和我同组的大三、大四学长也做的一般。但比较意外的是给分超好，在我只使用了比较基础的东西后最后竟然给了4.0使我很惊讶……可能是因为我是大二学生要求比较低？总之对我来说给分算很棒的了。
老师其实也在课程开始向大家提醒大一大二不要来选这门课程，因为许多课程需要用到的概率、数据结构和编程知识还没学到（但好像学了之后还是对入门一无所知，希望老师针对这方面对新手友好一些
总之一句话，这门课对之前对机器学习、人工智能、数据科学一无所知的人不是很友好，如果想靠这一门课对这些东西入门自己在课下还需要下很大的功夫。
- 课程难度：中等
- 作业多少：很多
- 给分好坏：超好
- 收获大小：很多
- 难度：中等
- 作业：很多
- 给分：超好
- 收获：很多
数据科学的框架科普，算是入了个门
这课太事儿了，又有调研报告又有数据挖掘比赛又有小组报告
都认真做了给分也就挺好
课程主页：
- 课程难度：中等
- 作业多少：很多
- 给分好坏：超好
- 收获大小：很多
- 难度：中等
- 作业：很多
- 给分：超好
- 收获：很多
数据科学的入门课，老师介绍了很多，任务稍微有些重，需要自己的付出
- 课程难度：困难
- 作业多少：很多
- 给分好坏：一般
- 收获大小：没有
- 难度：困难
- 作业：很多
- 给分：一般
- 收获：没有
这门课简直扼杀了我继续学习数据科学的兴趣，全程就当思修马原一样上课了。。。对课程内容不感兴趣的，对PPT教学不喜欢的同学，请不要选这门课。。。
- 课程难度：中等
- 作业多少：中等
- 给分好坏：超好
- 收获大小：很多
- 难度：中等
- 作业：中等
- 给分：超好
- 收获：很多
刘老师上课气氛很好，不仅有一些较为前沿的知识，也常夹杂着人工智能界的各种段子。刘老师推荐的大数据比赛（期末给分的主要标准）也让我认识到，学啥物理啊，0基础转啥都比这强。
