数据科学导论
前言
0.1
初衷与目的
0.2
教学资料的组织结构
0.3
如何利用教学资料
0.4
本资料制作所用技术
0.5
内容完善与更新
致谢
作者简介
孙洪波
1
课程须知
1.1
目标定位
1.2
内容安排
1.3
教师关于预期教学目标的设定
1.4
学生应关注的预期学习成果
1.5
学习本课程的有益提示
1.6
拓展学习与思考
2
专业介绍
2.1
第四范式
2.2
专业背景
2.3
专业设置
2.4
来自行业、领域的需求
2.5
专业素养、能力要求
2.6
人才培养方案
2.7
如何进行专业学习
2.8
拓展学习与思考
3
数据科学的计算机生态系统
3.1
数据科学的计算机技术体系
3.2
如何学习相关计算机技术
3.3
学习几个通用的软件工具
3.3.1
虚拟机
3.3.2
思维导图
3.3.3
Markdown 轻量标记语言
3.3.4
绘图软件
3.3.5
LaTeX 科技排版系统
3.4
拓展学习与思考
4
数据科学与统计学
4.1
统计学的历史
4.2
认识统计学
4.3
数据科学的由来
4.4
初识数据科学
4.5
数据科学数学、统计学知识架构
4.6
数据科学与统计学的关系
4.7
拓展学习与思考
5
数据科学的思维
5.1
数据科学的思维
5.2
洞见数据科学思维
5.2.1
幸存者偏差
5.2.2
敏感性问题的问卷调查
5.2.3
最小二乘法与梯度下降法
5.2.4
如何把不同的“你”分开呢?
5.2.5
如何评估模型或算法的好坏?
5.2.6
核酸检测多少人为一组混检合适?
5.2.7
写在最后
5.3
拓展学习资源
6
数据科学与人工智能
6.1
关于人工智能
6.2
人工智能类型
6.3
人工智能应用
6.4
人工智能发展历史——大事记
6.5
拓展学习资源
参考文献
本资料基于 bookdown 构建
数据科学导论
作者简介
孙洪波
凡是能诱惑你的,多不是好物;美好的东西常常深藏不露,而获其历程又过于艰辛!
大数据研究中心 数理与土木工程学院
北京理工大学珠海学院