Principles of Data Science

课程简介

数据科学介绍：数据科学文恩图和术语；数据类型：结构化与非结构化，定量与定性；四类数据；数据科学的五个步骤。 基础理论：数学：向量、矩阵、算术符号、对数、指数、矩阵乘法、集合论；概率：概率公理、条件概率、概率规则、贝叶斯定理、随机变量——连续、离散、混合、分布可视化、矩、边缘/联合/条件分布、贝叶斯与频率主义；统计学：观测数据与实验数据，总体与样本，数据抽样与抽样分布，偏差/方差/均方误差。 统计推断：点估计；置信区间；假设检验：I型/II型错误、功效、单样本t检验、卡方检验：分类变量、拟合优度、关联/独立性。 机器学习（ML）基础：监督、无监督、半监督机器学习；回归：线性、逻辑；强化学习；分类：朴素贝叶斯、决策树、随机森林与集成、K均值聚类；特征提取与主成分分析；欠拟合/过拟合；K折交叉验证；网格搜索。 迁移学习（TL）与预训练模型：预训练模型；迁移学习：归纳/推断/无监督；自然语言处理（NLP）；双向编码表示从变换器（BERT）；生成预训练变换器（GPT）；算法偏见；数据漂移。 AI治理与伦理：数据治理介绍；机器学习治理介绍；架构治理介绍。 案例研究：COMPAS数据集；使用预训练模型和OpenAI进行文本嵌入；展示。

学习目标

为学生提供数据科学的基础，涵盖核心概念、基本步骤和数学原理。 使学生能够应用概率和统计方法进行数据分析。 培养学生实施关键机器学习算法的能力。 介绍迁移学习和预训练模型。 介绍算法偏见和数据/模型漂移，概述量化和识别偏见的方法、缓解策略以及有效测量和应对漂移的方法。 介绍AI治理框架和伦理考量。 通过案例研究培养学生的Python编程技能，用于数据分析、可视化和模型实现。

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对实际数据进行探索性分析。