数据科学导论（大学版）
课程概述
适用对象：大学一、二年级学生
课时安排：64 课时（理论 32 + 实践 32）
先修要求：Python 编程基础、高等数学基础
课程目标
完成本课程后，学生将能够：
- 理解数据科学的核心概念和工作流程
- 掌握数据收集、清洗、分析和可视化的完整技能
- 运用统计方法进行数据分析和假设检验
- 使用机器学习算法解决实际问题
- 独立完成数据科学项目并撰写报告
课程大纲
第一模块：数据科学基础（8 课时）
第 1-2 课时：数据科学概论
- 数据科学的定义与发展历程
- 数据科学家的工作内容与技能要求
- 数据科学应用领域：医疗、金融、电商、社交网络
- 数据伦理与隐私保护
第 3-4 课时：Python 数据科学生态
- Jupyter Notebook 使用技巧
- NumPy 数组操作与向量化计算
- Pandas 数据结构：Series 与 DataFrame
- 数据读取：CSV、Excel、JSON、SQL
第 5-6 课时：数据探索性分析（EDA）
- 数据质量评估：缺失值、异常值、重复值
- 描述性统计分析
- 数据分布可视化
- 相关性分析
第 7-8 课时：数据清洗与预处理
- 缺失值处理策略
- 异常值检测与处理
- 数据变换：标准化、归一化、对数变换
- 特征编码：独热编码、标签编码
第二模块：统计学基础（12 课时）
第 9-10 课时：概率论基础
- 随机变量与概率分布
- 常见分布：正态分布、二项分布、泊松分布
- 大数定律与中心极限定理
- 贝叶斯定理
第 11-12 课时：描述统计
- 集中趋势：均值、中位数、众数
- 离散程度：方差、标准差、极差
- 分布形态：偏度、峰度
- 箱线图与五数概括
第 13-14 课时：推断统计
- 抽样分布与标准误
- 置信区间估计
- 假设检验基本原理
- p 值与显著性水平
第 15-16 课时：统计检验方法
- t 检验：单样本、双样本、配对样本
- 方差分析（ANOVA）
- 卡方检验
- 非参数检验简介
第 17-18 课时：相关与回归
- 皮尔逊相关系数
- 斯皮尔曼秩相关
- 简单线性回归
- 多元线性回归基础
第 19-20 课时：实验设计
- A/B 测试原理
- 随机对照实验设计
- 样本量计算
- 实验结果分析
第三模块：数据可视化（8 课时）
第 21-22 课时：可视化原理
- 可视化设计原则
- 图表类型选择指南
- 颜色理论与可访问性
- 数据故事讲述
第 23-24 课时：Matplotlib 进阶
- 图形对象与坐标轴
- 子图布局
- 自定义样式与主题
- 交互式图表
第 25-26 课时：Seaborn 统计可视化
- 分布图：直方图、密度图、联合图
- 分类图：条形图、箱线图、小提琴图
- 关系图：散点图、回归图
- 热力图与聚类图
第 27-28 课时：交互式可视化
- Plotly 基础
- Bokeh 交互图表
- Dash 数据应用开发
- 可视化最佳实践
第四模块：机器学习基础（16 课时）
第 29-30 课时：机器学习概论
- 监督学习与无监督学习
- 模型评估：训练集、验证集、测试集
- 过拟合与欠拟合
- 交叉验证
第 31-32 课时：线性模型
- 线性回归进阶
- 逻辑回归
- 正则化：L1（Lasso）、L2（Ridge）
- 模型解释性
第 33-34 课时：树模型
- 决策树算法
- 随机森林
- 梯度提升树（GBDT）
- XGBoost 与 LightGBM
第 35-36 课时：支持向量机
- 最大间隔分类器
- 核技巧
- 软间隔与正则化
- SVM 回归
第 37-38 课时：聚类分析
- K-Means 算法
- 层次聚类
- DBSCAN 密度聚类
- 聚类评估指标
第 39-40 课时：降维技术
- 主成分分析（PCA）
- t-SNE 可视化
- UMAP 降维
- 特征选择方法
第 41-42 课时：模型集成
- Bagging 与 Boosting
- Stacking 与 Blending
- 模型融合策略
- 集成学习实践
第 43-44 课时：深度学习入门
- 神经网络基础
- 前馈神经网络
- 反向传播算法
- PyTorch/TensorFlow 简介
第五模块：专题应用（12 课时）
第 45-46 课时：自然语言处理（NLP）
- 文本预处理：分词、去停用词
- 词袋模型与 TF-IDF
- 词向量：Word2Vec、GloVe
- 文本分类应用
第 47-48 课时：计算机视觉基础
- 图像数据处理
- 卷积神经网络（CNN）概念
- 图像分类任务
- 预训练模型迁移学习
第 49-50 课时：时间序列分析
- 时间序列特征
- 移动平均与指数平滑
- ARIMA 模型
- Prophet 预测库
第 51-52 课时：推荐系统
- 协同过滤
- 内容推荐
- 矩阵分解
- 深度学习推荐
第 53-54 课时：大数据技术
- Hadoop 与 Spark 概念
- 分布式计算原理
- 云服务平台：AWS、Azure、阿里云
- 数据工程基础
第 55-56 课时：数据科学项目管理
- CRISP-DM 方法论
- 项目生命周期管理
- 团队协作工具
- 项目文档撰写
第六模块：综合实践（8 课时）
第 57-64 课时：期末项目
- 项目选题与数据收集
- 数据探索与清洗
- 特征工程与建模
- 模型评估与优化
- 结果可视化与报告撰写
- 项目展示与答辩
实践项目库
入门项目
- 泰坦尼克号生存预测：Kaggle 经典入门题
- 房价预测：回归分析实践
- 鸢尾花分类：分类算法入门
进阶项目
- 电影推荐系统：协同过滤实现
- 情感分析：影评情感分类
- 股票价格预测：时间序列分析
高级项目
- 图像识别应用：CNN 图像分类
- 聊天机器人：NLP 对话系统
- 异常检测系统：金融欺诈检测
评估方式
平时成绩（40%）
- 课堂练习：10%
- 作业完成：15%
- 实验报告：15%
项目成绩（30%）
- 项目选题与创新：10%
- 代码质量与文档：10%
- 项目展示：10%
期末考试（30%）
- 理论知识：15%
- 编程实践：15%
推荐资源
在线课程
参考书籍
- 《Python 数据科学手册》Jake VanderPlas
- 《统计学习方法》李航
- 《机器学习》周志华
- 《深度学习》Ian Goodfellow
实践平台
- Kaggle - 数据科学竞赛
- 天池 - 阿里云数据竞赛
- DrivenData - 社会影响数据竞赛
开源工具
- Scikit-learn - 机器学习库
- PyTorch - 深度学习框架
- TensorFlow - 深度学习框架
本课程综合参考 MIT、Stanford 数据科学课程体系，结合国内高校教学实际，提供系统化的数据科学学习路径。