数据科学引论——Python之道 · 修读回执档案

课程内容：numpy+pandas+可视化+数据爬虫，最后一节课pre，属于是把你从"Excel手艺人"往"数据江湖人"带一程。 上课自由度：11周的课就3次随机canvas签到，老师属于那种"你人来了就行，魂在不来随意"的佛系掌门，你上课打游戏他都不带抬眼的。 考核标准：15%签到（少签一次扣5分，签到这东西属于是防逃逸电子镣铐），35%课后作业，45%课程大作业。大作业分数由60%展示效果，30%个人贡献，10%项目完成度构成——听着像KPI考核，最后出分之后，课程大作业比预期低了很多分，可能原因在于教务要控制优秀率吧，就是说你以为你是卷王，结果你是被卷的那个，但还好公选课不计入核心学积分，属于输了但没完全输。 授课质量：还行，属于是给小白发一张"Python数据处理世界"的入门地图，让你对python里进行数据处理的工具有最基本的认识，扫盲课本课。上课案例都比较经典，最后大作业是对一个有意思的问题进行数据分析，每节课后都会有几道编程题作业，基本上在ai工具辅助下都能完成——AI是队友，你是挂名队长。 （如果要吐槽一点的话，就是这门课这学期由华为云赞助，所以期末大作业必须要在云平台上部署，然后还要再写一份报告。对于数据分析初学者而言，我觉得使用云平台意义不大，现在电脑的性能都完全能够应付基本的数据分析问题。华为云部署python环境还是有点烦的，然后写报告也很形式主义——就好比你想煮个泡面，赞助商非要你先建一座中央厨房）

课程内容：Python入门+数据分析可视化+爬虫基础，从爬到会爬。 上课自由度：偶尔要扫码签到，扫一扫，精神一下。 考核标准：平时成绩（15%）+5次平时作业(35%)+小组大作业（45%），无期末考试，没有期末考就是最大的仁慈。 授课质量：老师人挺好的，还在第一节课安排了破冰活动，作业不多，上课压力不大，轻松得像在摸鱼。

课程内容：python里搞数据分析、统计、爬虫、可视化的几大常用库，最后还顺带聊了下人工智能，都比较基础。老师的课程设计里其实藏着更多跟人工智能有关的东西，但这学期因为进度被按住了，最后就粗略扫了一眼。 上课自由度：比较高，基本不管你下面在干嘛，不过会有纸质签到 考核标准：忘了，应该是考勤+课后作业+项目 授课质量：上课比较轻松，老师讲得比较细，因为都是些基础货，难度也不大。 其他： 老师人很好，课上氛围很轻松，最后给分也相当奈斯。课后作业又简单量又少，python零基础也能笑着完成。不过话又说回来，正因为练得少，你要是自己也不额外花时间，那上课学的东西也留不下多少，上课更多是起到科普作用，对这方面混个基本概念（感觉像在说一句废话）。 然后这门课只有十一周，我们这学期又是从第一周就开跑，进度得自己盯紧点。前几周课程项目就布置了，前期只要求交个立项书，对具体工作没要求，于是我们就一路拖（拖延症你懂的）。等到期末项目展示跟一堆期中撞车杀过来的时候，我还以为这是期中的一个考核，最后做得那叫一个兵荒马乱。希望后来者引以为戒。 总的来说，想摸摸数据科学的门道，或者想水点选修课分数，这门课还是很值得推荐的。 P.S. 本学期是这门课开设的第一个学期，老师之后可能会根据反馈对授课内容和授课方式进行调整

课程内容： python基础、爬虫、统计、人工智能，四盘菜端上来，每盘都尝了一口，浅得像在池子边蘸了下脚。 上课自由度： 开头几次课有点名，就几次，点完那几次之后空气都自由了。 考核标准： 出勤、作业、项目汇报，三件套一个都不少。 授课质量： 还可以，氛围轻松得像自习课上顺便听了个脱口秀，老师还会现场敲代码+讲解，live coding那一挂的。 不过期末项目的安排，能不能整得合理一点，这次基本只给了一个星期从零开始，而我本人那个星期刚好事情堆成山，于是项目做得像没泡开的方便面，很多预期内容都成了PPT上的海市蜃楼。教评里我把这点也反馈了，希望今后课程能多匀点时间给项目吧。

课程内容： python初步、numpy、pandas、爬虫、统计、数据可视化、机器学习与深度学习（神经网络）——一串技能树直接给你铺开。 上课自由度： 高，可以纯当BGM不听，教案里讲得很详细，跟着照猫画虎就能动，后面机器学习有难度但没作业，算是留了条活路。 考核标准： 作业（基本上跟着样例做就行），老师开始几次课会一个个找人点名认人，点名范围直接拉满。 大作业（自己随意选题、内容不限） 简单一点的就是数据分析+可视化，难一点的可以搞些深度学习相关内容，比如canvas登录的验证码识别，一些回归预测问题等。 授课质量： 高

课程内容： 学创出手，基本就是选课界的米其林，听完python从听说变上手，不错的哦 上课自由度： 高 考核标准： 简单 授课质量： 高