Principles of Data Science

课程简介

数据科学与分析：（18学时） 基本概率论，随机变量，高阶矩。 估计理论：矩估计法，最大似然估计法，充分统计量，指数族，偏差，方差，均方误差，最小方差无偏估计量。 假设检验：Neyman-Pearson引理，显著性与功效，似然比检验，以及信息准则。 案例研究：（11学时） 当代应用实例。 数值方法：（10学时） 选定编程语言（如R或Python）的预备知识。数据类型；线性代数的基本操作；条件语句和循环；函数与递归；并行计算；文档；对象；作用域；文件操作；数据可视化；统计软件包。

学习目标

为学生提供数据科学的基本介绍，并通过学术和工业来源的实际例子和案例研究进行说明。介绍与数据科学和分析计算基础密切相关的基本概念。介绍一些用于数据分析的软件和语言。

先修要求

无

教学模式

本课程主要通过讲座和辅导课进行讲授。讲座将介绍理论背景，而在辅导课上将讨论实际问题/情景，以说明理论如何在实践中应用。鼓励学生使用R或Python进行探索性分析，利用实际数据。