課程內(nèi)容：

本課程有兩個目標。第一，向?qū)W生介紹一系列基本的非難算法，以及分析其正確性和運行時間所需的技術(shù)。第二，介紹分析計算問題內(nèi)在復(fù)雜性的概念框架，該框架不涉及特定算法的細節(jié)。

課程目標：

- 讓學(xué)生了解“數(shù)據(jù)科學(xué)過程”的要素。對這一過程中的許多要素進行更深入的研究，但并非所有要素。

- 通過計算機實驗室實踐，讓學(xué)生練習(xí)使用 python 工具進行數(shù)據(jù)處理和分析。   工具包括：numpy、scipy、stats、pandas 和 Jupyter 筆記本、

- 演示探索和可視化數(shù)據(jù)的方法，并讓學(xué)生練習(xí)使用這些方法。

- 讓學(xué)生了解數(shù)據(jù)的不確定性，特別是測量不確定性的方法，以及何時使用適當?shù)臏y量方法。

- 向?qū)W生介紹統(tǒng)計思維和貝葉斯推理。

- 向?qū)W生介紹在分析數(shù)據(jù)和得出負責任的結(jié)論時應(yīng)考慮的道德因素。

- 簡要介紹機器學(xué)習(xí)的概念，包括：分類/回歸、過擬合/欠擬合、對獨立測試數(shù)據(jù)的需求以及交叉驗證，包括撇一驗證。

- 演示基本機器學(xué)習(xí)方法的一些實際應(yīng)用，包括貝葉斯分類器、天真貝葉斯分類、線性回歸和邏輯回歸。

學(xué)習(xí)成果：

成功完成本課程后，學(xué)生將能夠：

1、通過定性描述“數(shù)據(jù)科學(xué)過程”在特定情況下的應(yīng)用，展示對“數(shù)據(jù)科學(xué)過程”的認識。

2、通過描述和在實驗室中進行基本的數(shù)據(jù)清理和準備，展示對數(shù)據(jù)清理需求的認識。

3、展示測量和表達一組數(shù)據(jù)的不確定性以及從這些數(shù)據(jù)中得出的數(shù)量的能力。

4、展示為不同數(shù)據(jù)集選擇和建立適當模型的能力。

5、展示評估數(shù)據(jù)集模型質(zhì)量的能力。

6、展示比較不同數(shù)據(jù)集模型的能力，以便從數(shù)據(jù)中得出關(guān)于假設(shè)或主張的合理統(tǒng)計結(jié)論。

7、展示使用 python 工具進行以下操作的能力：讀取和寫入文件中的數(shù)據(jù)集、生成描述性統(tǒng)計數(shù)據(jù)并從中得出結(jié)論、生成可視化圖形并得出結(jié)論、執(zhí)行基本統(tǒng)計測試（包括均值之間的差異），以及通過使用天真貝葉斯分類器構(gòu)建電子郵件垃圾郵件過濾器來執(zhí)行簡單的機器學(xué)習(xí)實驗。