📊 数据科学基础（2026）｜Data Science Fundamentals
目录
数据驱动的问题分析与方法实践
课程系统讲授问题定义、数据处理、分析建模、结果评价与科学表达，并讨论人工智能工具在数据分析中的规范应用。
授课对象：大数据 1 班。课程代码、学分学时及其他未列事项，以教务系统和开课通知为准。
课程定位
《数据科学基础》是数据科学与大数据技术专业的基础课与先导课，围绕问题定义、数据获取与治理、探索性分析、模型构建、结果评价和成果表达组织教学，为数据库、统计学习、深度学习、数据可视化、图计算和自然语言处理等后续课程奠定基础。
课程强调方法的适用性、分析过程的可复现性和结论的可解释性，并结合文本、图数据、Embedding、检索增强生成（RAG）与多模态分析等内容，介绍人工智能技术对数据科学工作流程的扩展。
学习目标
问题建模
将实际问题转化为边界明确、可计算和可验证的分析任务。
数据处理
识别数据来源、质量与偏差，完成数据清洗、探索和可视化。
方法应用
理解分类、回归、聚类等方法的基本原理与适用条件。
结果评价
利用评价指标、对照分析与复现记录检验分析结论。
规范实践
规范使用人工智能工具，识别数据伦理、隐私与模型风险。
课程内容
数据基础与探索
数据类型、数据来源、数据质量、探索性数据分析与可视化。
核心分析方法
分类、回归、聚类、关联分析及相应的模型评价方法。
AI 增强分析
文本与图数据、Embedding、RAG、多模态模型及其分析应用。
综合项目实践
面向实际问题完成数据获取、方法实施、结果验证与成果表达。
教学节奏
| 周次 | 阶段 | 学习重点 |
|---|---|---|
| 第 1–4 周 | 建立框架 | 大数据概述、数据科学流程、数据探索与可视化 |
| 第 5–9 周 | 练习方法 | 聚类、分类、回归、关联分析与模型评价 |
| 第 10–16 周 | 拓展专题 | 图数据、文本、Embedding、RAG 与多模态数据 |
| 第 17–18 周 | 项目与复习 | 项目展示、课程回顾与期末复习 |
实际进度根据校历和教学实施情况调整。课程采用理论讲授、案例分析、实验验证与项目实践相结合的教学方式。
课件与实验
课程网页统一发布课件、代码、数据集、阅读材料、实验说明和提交入口；课程群用于教学通知、答疑与课堂互动。相关资料将在相应教学内容完成后更新。
课程设置 9 项实验，内容由基础操作逐步过渡至综合应用。实验成果应包含必要的代码、数据说明、运行环境和关键参数，以保证分析过程可复查、可复现。
| 编号 | 实验主题 | 训练重点 |
|---|---|---|
| 1 | Python 与 Notebook 基础 | 配置分析环境并掌握可复现的计算记录方法 |
| 2 | 数据清洗与探索性分析 | 识别并处理数据质量问题，开展描述性分析 |
| 3 | 数据可视化与叙事 | 依据可视化原则呈现并解释分析结果 |
| 4 | 聚类分析 | 实现聚类方法并分析数据的潜在群组结构 |
| 5 | 分类模型 | 构建分类模型并评价其预测性能 |
| 6 | 回归与预测 | 建立回归基线并分析预测误差 |
| 7 | 图数据计算 | 表达实体关系并完成基础图结构分析 |
| 8 | 文本、Embedding 与 RAG | 实现文本表示、检索及结果验证 |
| 9 | 多模态数据小项目 | 综合应用课程方法完成实际问题分析 |
考核与期末项目
期末项目采用不超过 3 人的小组协作方式。各组须围绕边界明确的实际问题，完成数据获取、质量分析、方法设计、结果验证和成果表达。结课时提交海报、实践报告与代码，并参加展示答辩。每位成员须明确个人贡献并能够解释所负责的工作。
| 时间 | 项目节点 | 本阶段要完成什么 |
|---|---|---|
| 第 2 周 | 组队与选题 | 确定小组成员、问题领域与研究方向 |
| 第 8 周 | 项目介绍书 | 说明问题、文献、数据、方法、分工与计划 |
| 第 15 周 | 中期调整 | 检查数据质量、主要风险和后续方案 |
| 第 18 周 | 展示与答辩 | 提交海报、实践报告和代码，参加现场讨论 |
建议选题方向包括校园能耗预测、通勤与拥堵分析、学习行为分析、城市功能识别、舆情文本挖掘和 RAG 系统评价等。项目应保证问题、数据、方法与证据之间的一致性，并完整记录数据来源、代码环境和 AI 使用过程。
AI 使用与课程规范
生成式 AI 可用于知识辅助、代码调试与表达优化，但其输出可能存在事实错误、内容偏差或不可复现等问题。课程允许在规定范围内使用相关工具，同时要求使用过程透明、关键结论经过独立验证。
概念解释、学习提纲、调试建议、单元测试、图表草稿与语言润色。
代码生成或改写、数据处理建议、合成数据，以及报告核心分析。
考试与随堂测试、整份作业代写、数据或引用伪造，以及敏感信息上传。
作业须附 AI 使用说明，包括模型及版本、使用环节、关键提示词、人工修改与验证过程。学生或项目组对最终成果的真实性、准确性和可复现性负责。
课堂与考勤
- 理论课和实验课均使用学校考勤系统；请准时到课，考勤不得补签。
- 课堂期间不得佩戴耳机或使用移动设备处理与教学无关的事项，并按要求就座。
- 缺勤超过课程总学时的 1/3，或缺交作业、实验报告数量超过 1/3，将取消考试资格。
联系与答疑
答疑通过课堂、课程群或预约面谈进行。邮件标题请注明课程名称，正文中应提供姓名、班级及具体问题。
曹劲舟