数据科学导论(陈恩红, 刘淇) 2020秋 2019秋 2018秋 2017秋  课程号:CS150301
2020秋 2019秋 2018秋 2017秋  课程号:CS150301
8.7(6人评价)
  • 课程难度:中等
  • 作业多少:中等
  • 给分好坏:超好
  • 收获大小:一般
选课类别:公选 教学类型:理论课
课程类别:核心通识 开课单位:计算机科学与技术系
课程层次:通修 学分:2
课程主页:暂无(如果你知道,劳烦告诉我们!)
点评 写点评
lza 2019秋

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:

http://staff.ustc.edu.cn/~qiliuql/DS2019tuesday.html

2020-02-03 17:56 1 0
candy 2019秋

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。

2020-09-12 23:57 0 0

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

2020-02-16 15:10 0 0
Qianmo 2019秋

这门课没有作业,成绩由期中调研报告、数据比赛、课堂练习决定。

只考虑课堂的话还是不错的,刘淇老师上课比较生动有趣,也会举一些例子或讲个段子什么。但就数据比赛而言我的体验比较糟糕。数据比赛给我的感觉就是没有学会走就想你跑。数据比赛完全靠自学,对没有基础的人而言难度太大了一些,刚开始上手时就连网上下载的现成代码都完全看不懂,更别提去想办法优化了。不过也有的队最后名次排得比较前,也许是自己太菜了吧。

愿意多花时间在比赛上选这门课应该会有不错的体验。

2019-12-23 23:19 0 0
Afool 2019秋

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。。。

2019-12-23 18:44 0 0
xiaodashen123 2018秋

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。

2019-02-11 21:13 0 0

其他老师的「数据科学导论」课

刘淇 7.8 (4) 2019秋
陈恩红 2017秋

陈恩红老师的其他课

人工智能基础 10.0 (1) 2013春 2010秋
机器学习与知识发现 9.0 (1) 2019秋 2018秋...
新生“科学与社会”研讨课 7.5 (2) 2015春 2014秋...
机器学习与数据挖掘前沿 6.0 (1) 2019春 2018春...
人工智能原理 2004秋 2004春...
人工智能基础 2011秋 2009秋...
数理逻辑 2008春

刘淇老师的其他课

数据库概论 9.0 (1) 2020春 2019春...
数据科学导论 7.8 (4) 2019秋
数据库概论 2017春