数据科学导论(陈恩红, 黄振亚) 2024秋 2023秋 2022秋 2021秋  课程号:CS402301
2024秋 2023秋 2022秋 2021秋  课程号:CS402301
9.8(6人评价)
9.8(6人评价)
  • 课程难度:简单
  • 作业多少:很少
  • 给分好坏:超好
  • 收获大小:很多
选课类别:计划内与自由选修 教学类型:理论课
课程类别:本科计划内课程 开课单位:计算机科学与技术系
课程层次:专业选修   学分:2.0
课程主页:暂无(如果你知道,劳烦告诉我们!)
简介 最后更新:

数据科学(Data Science)是关于数据的一门新兴科学,旨在研究探索数据规律及其相关的理论、方法与技术,并为自然科学与社会科学研究提供支撑。随着大数据时代的来临,数据所蕴含的巨大价值正日益受到关注,高效、准确解读数据已成为关系国计民生的重要问题。本课程面向全校对基础数据科学有兴趣的本科学生开放,将通过理论教学、案例分析与课题实践相结合的方式,全景介绍数据科学及其主要分支的基础概念、基本方法、应用实践与前沿概况,从而使学生树立运用数据和相关算法工具解决实际问题的基本思路,并初步掌握用于数据分析手段解决实际应用问题的能力。

AI 总结 AI 总结为根据点评内容自动生成,仅供参考

教学水平与内容

《数据科学导论》主要由黄振亚老师授课,陈恩红老师仅在第一节课讲述绪论。黄老师讲课耐心负责,PPT可以在课程主页下载,适合数据科学入门的同学。课程内容覆盖数据预处理、特征分析和模型构建,并包括两次小专题。

课程任务与作业

课程无期末考试,任务主要是:一篇文献调研和一个实验报告(少数小测和点名)。调研报告需与数据科学相关,实验报告可以通过组队参加Kaggle比赛或自行实验。作业时间充裕且不拖至考试周。

考核与给分

考核包括课堂参与(30%)、调研报告(30%)和实验报告(40%)。部分同学反映各项得分不公开,但总体给分较好,适合高年级学生水学分。一位同学表示:“即使翘课也能取得不错的成绩”。

教学体验

多数同学认为课程适合初学者,上课内容有趣且不算太难。有同学提到黄老师在讲新名词时会重复,稍显怪异。此外,一些同学对课程的调研和实验报告有所收获,特别是通过比赛获得实践经验。助教回复问题及时,但课程群曾一度禁言。

排序 学期

评分 评分 6条点评

匿名用户 2022秋
  • 课程难度:中等
  • 作业多少:很少
  • 给分好坏:超好
  • 收获大小:很多
  • 难度:中等
  • 作业:很少
  • 给分:超好
  • 收获:很多

今天出分了,来写个点评,这是一门公选课,课程任务主要包括:一篇文献调研,一篇实验报告(实验可以组队打CCF的比赛,也可以一个人找个感兴趣方向做实验,最后以实验报告的形式给出自己的实验过程以及收获)。另外上课会偶尔以小测的形式签到(小测主要是PPT上的一些简单问答题,有手就行)。黄老师讲课讲得真的很好,耐心负责,PPT也做得很OK,对于那些入门数据科学的同学很友好,所以有感兴趣的同学快来选啊!!!我是组队参加了CCF的比赛,也没有很卷,就按部就班的写了文献调研、实验报告,最后喜提4.3!

2 1 复制链接
Dinghy同学你好,我想请问一下这门课主要是由陈老师还是黄老师讲呀?
立即登录,说说你的看法
2023秋
  • 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

这门课虽然挂了两个老师的名字,但实际上陈老师只在第一节课上讲了些绪论性质的内容,主要还是由黄老师负责授课。讲课以 PPT 为主,PPT 可以在 课程主页 上下载。个人觉得黄老师讲课还可以,就是有个口癖在说到新名词时会重复一遍,感觉有些怪。

课程内容上,除了一开始的绪论,之后就是按照拿到数据之后进行分析的顺序,大致分为预处理、分析数据统计特征、挖掘数据背后信息形成模型三大步,此外还有两次小专题。每周一次课,一共十八周的课,应该是有两次小测和倒数第二次课的一次点名。

这门课没有考试,只有两个任务。一篇个人调研报告,与数据科学相关即可;一次三人小组打比赛,提供了一些 Kaggle 或是别的平台的比赛供选择,交一份实验报告。比较好的是时间给得很足的同时又没有把 DDL 拖到考试周。最后一次课上老师请了三位同学讲调研报告,三组同学讲比赛。

收获上,课程的内容还是不错的,就是有些在别的专业选修课上已经学过了。而更大的收获是完整地参加了一次 Kaggle 比赛,比赛中体会到了很多之前没有注意过的或是从没有学过的内容,虽然比赛结果不算好,但这种实践的经历还是很宝贵的。


以下内容不计入评课:

助教:一共是三位助教,学期中有次课由一位助教来讲了下 Python 的实验基础专题,此外队友问助教问题回复还挺及时的。

给分:不过助教好像是在某次有人进课程群打广告禁言后就忘记再打开了,所以看不到讨论不知道总体给分情况。个人感觉挺好的。

(最后修改于 1 0 复制链接
匿名用户 2023秋
  • 课程难度:简单
  • 作业多少:很少
  • 给分好坏:一般
  • 收获大小:很多
  • 难度:简单
  • 作业:很少
  • 给分:一般
  • 收获:很多

都快过年了,怎么还不出分,是我的教务系统坏了吗:p

 

为啥课程群还全员禁言了

(最后修改于 1 0 复制链接
匿名用户 2023秋
  • 课程难度:简单
  • 作业多少:很少
  • 给分好坏:超好
  • 收获大小:很多
  • 难度:简单
  • 作业:很少
  • 给分:超好
  • 收获:很多

点过几次名,照着祖传代码写个大作业,给分巨好

0 0 复制链接
gxjsnbx 2023秋
  • 课程难度:简单
  • 作业多少:很少
  • 给分好坏:超好
  • 收获大小:一般
  • 难度:简单
  • 作业:很少
  • 给分:超好
  • 收获:一般

利益相关:开学给出的给分公式:课堂(30%) +调研报告(30%) +实验报告(40%),但是由于其中每一项的得分都是不公开的,所以不知是否是按照公式给分。就个人情况而言给分蛮好的(即使是在我翘了最后一节课又刚好点名被抓的情况下~  总之,这门课非常适合高年级学生去水学分(不过据说之后就不再算作核心通识的学分了?)

上课:由于之前选修过连老师的《机器学习概论》,说实话这门课我一直都没怎么认真听(狗头保命),感觉大体是机器学习的入门版本,也不怎么数学,大二萌新听一听应该比较舒适~ 点名的方式是做题,大概有3-4次,好像有决策树划分、极大似然估计与贝叶斯估计,还有一次记不太清了…….

作业:完全没有!!!

调研报告:要求是和AI沾边都可以,可以是聚焦于一篇论文写自己的总结和思考(不过应该比较难写),也可以就一个子领域作一些整理和归纳(这个想摆的话找篇综述翻译翻译就有了,想卷的话发挥空间也很大)。调研报告写得好会被选出在最后一节课作汇报,据助教gg说可以加分~ 从个人情况来看貌似不太追求子领域的新颖性,总结几十年前的东西也是ok的~

实验报告:就是参加一个机器学习比赛(也可以自己找问题做实验,不过老师不推荐~)然后写报告反映比赛经历。赛题难度选择也很自由,简单的可以选二分类这种,复杂一点的有推荐系统,时间序列相关的。要求是模型可以调库,不用手写(当然如果用SOTA方法就未必有库可调了hhh~)与调研报告相同,实验报告写得好也会被选出在最后一节课作汇报并加分

总的来说,无论是大二萌新入门还是大四用来水学分,这课还是值得一选的
 

0 0 复制链接
匿名用户 2022秋
  • 课程难度:简单
  • 作业多少:很少
  • 给分好坏:超好
  • 收获大小:很多
  • 难度:简单
  • 作业:很少
  • 给分:超好
  • 收获:很多

老师很年轻,讲课很有趣,给分超好,

0 0 复制链接

陈恩红

教师主页: 戳这里

黄振亚

教师主页: 戳这里

其他老师的「数据科学导论」课

陈恩红, 刘淇 8.8 (5) 2020秋 2019秋...
刘淇 7.8 (4) 2021秋 2019秋
陈恩红 2017秋

陈恩红老师的其他课

数据科学导论 8.8 (5) 2020秋 2019秋...
人工智能基础 10.0 (1) 2013春 2010秋
新生“科学与社会”研讨课 7.5 (2) 2015春 2014秋...
机器学习与知识发现 7.5 (2) 2019秋 2018秋...
机器学习与数据挖掘前沿 6.0 (1) 2019春 2018春...
机器学习与知识发现 3.8 (12) 2024秋 2023秋...
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

黄振亚老师的其他课

数据库系统概论 9.9 (7) 2022春
数据库概论 10.0 (1) 2021春
数据库系统概论 6.3 (10) 2024春 2023春...
新媒体大数据分析 2024秋 2023秋