UBC DSCI100辅导｜课程章节重点内容解析

不列颠哥伦比亚大学（UBC）的DSCI 100数据科学导论课程旨在让学生学会通过网络“抓取”（下载）数据，智能“整理”（管理）数据，并基于数据创建能清晰传达合理结论的表格和/或图表。学生将熟练运用工具发现数据模式并预测未来数据趋势。以下是对UBC DSCI100课程章节重点内容的详细解读。

一、章节重点内容

1、Chapter 1：数据科学导论

通过实践真实数据科学应用，学习使用R语言和Jupyter，包括从网络下载数据、将数据整理为可用格式，以及创建有效的数据可视化。

2、Chapter 2：本地与网络数据读取

学习读取本地及网络环境下的各类数据集。读取完成后，将运用这些数据集实践真实数据科学应用场景，包括将数据整理为可用格式并创建高效数据可视化。

3、Chapter 3：数据清洗与整理

聚焦数据清洗与整理工具的应用。仍将基于实际数据科学应用场景，持续通过完整案例实践：从网络下载数据、整理数据至可用格式，最终创建高效数据可视化。

4、Chapter 4：高效数据可视化

拓展数据可视化知识体系与工具集，超越现有实践范畴。突破散点图的局限，学习其他高效的数据可视化方法，并掌握可视化创作中的通用经验法则。所有可视化任务均将应用于真实数据集。

5、Chapter 6-7：分类

介绍基于K最近邻算法（k-nn）的分类。

6、Chapter 8：回归

介绍基于K最近邻算法（k-nn）的回归。重点探讨存在目标响应变量与单一解释变量时的预测场景。

7、Chapter 9：回归进阶

深入探索高维空间中的k-nn回归方法。同时开始在回归场景中对比k-nn与线性模型。

8、Chapter 10：聚类

介绍K均值聚类方法。

9、Chapter 11：统计推断导论

介绍样本均值与比例的抽样与估计方法。

10、Chapter 12：统计推断导论（续）

引入置信区间概念，并讲解通过引导法计算置信区间的具体方法。

二、课程学习成果

课程结束时，学生应能够：

• 通过计算读取来自多种来源的数据（本地及远程纯文本文件、电子表格和数据库）；

• 将原始数据格式转换为符合特定用途的格式；

• 识别最常见的研究/统计问题类型，并将其映射至对应的数据分析方法；

• 基于整理后的数据创建并解读有意义的表格/图表；

• 应用并解读简单分类器与回归模型的输出结果；

• 使用简单分类器和回归模型进行预测并评估预测结果；

• 应用简单聚类算法并解读其输出结果；

• 区分样本内预测、样本外预测与交叉验证；

• 在统计推断背景下计算点估计值，并阐释其与总体量值的关联性；

• 运用合理、清晰、可复现且可共享的工作流程与沟通策略完成上述所有任务。

以上就是UBC DSCI100课程章节重点内容解析。如果学生在学习过程中遇到问题，可以立即与新航道的课程顾问联系。新航道将及时安排一对一不列颠哥伦比亚大学课程辅导，帮助学生解决课业疑问、掌握知识重点、消除学习难点，以获得满意的课业成绩。

咨询免费留学规划，加V：dulceslin