数据科学导论

随堂模式

  • 什么是随堂模式?

    随堂模式课程一般为每学期一轮次,课程每周更新,作业、考试有截止时间,由课程提供方老师、助教指导,课程完结,成绩由老师确认后,统一发放证书。

  • 什么是自主模式?

    自主模式课程常年开放加入,课件全部开放,作业、考试无截止时间,有学堂在线招募选拔的助教指导,考核通过即可自动获得证书。

来自于: 清华大学 | 分类: 计算机(478)

课程描述

通向数据科学的大门从这里开启!全程真人动画,南国清华四位优秀老师精心制作,再立计算机慕课新标杆!

什么是认证证书?
免费学习
认证学习
名师签名
实名认证
权威性
纸质证书
付费购买
免费赠送

课程简介

本课程作为数据科学的先导课和认知类课程,致力于以形象生动的教学模式为学生普及数据挖掘、大数据相关的基础知识、核心概念和思维模式,从工程技术、法律规范、应用实践等不同角度描绘数据科学的美好蓝图。

展开

课程章节

数据科学:你的影子无所不在
开宗明义
初窥门径
知行合一
见微知著
数据采集:巧妇难为无米之炊
感知万物
化繁为简
前程无线
运筹帷幄
数据可视化:一图知天下
眼底风云
心灵之窗
历史上的可视化
表格数据的可视化
高维数据的可视化
高性能计算:天下武功唯快不破
数据科学的发动机
忆往昔峥嵘岁月稠
众智之为无不成
线程与进程
GPU计算
并行性能评估
数据隐私:你的隐私谁做主
袁博老师的解读
个人信息保护的困境
个人信息保护的重点
网络安全法
刑法司法解释
民法总则
补充材料
数据与法:数字化的法律世界
袁博老师的点评
《少数派报告》介绍
大数据预测犯罪的讨论
袁博老师的解读
著作权法研究案例
数据与人工智能的应用
数据知识产权:数据即财富
著作权问题
反不正当竞争问题
遗忘权问题
数据携带权和数据垄断
补充材料
环境大数据分析:知其然知其所以然

授课教师

  • 袁博 清华大学 深圳研究生院 副研究员

    澳大利亚昆士兰大学计算机科学硕士及博士,南京理工大学计算机科学与技术学士。2006年至2007年在昆士兰大学从事智能计算方向研究工作,2007年7月回国任教于清华大学深圳研究生院,2015年1月入选深圳市海外高层次人才,2017年7月在英国牛津大学进修并获得EMI(English Medium Instruction)证书。 研究领域为数据挖掘、进化计算和GPU计算,获国内发明专利四项,发表论文八十余篇,他人引用超过一千次。主讲研究生课程 "数据挖掘:理论与算法"、"先进计算技术与应用"、"英语(第一外国语)"、"英文科技论文写作与学术报告"、"大数据科学与应用系列讲座" 及 "数据可视化"。曾三次位居清华大学研究生理论课教学评估前5%,荣获清华大学2014年度青年教师教学优秀奖、清华大学第七届青年教师教学大赛一等奖、清华大学首届年度教学优秀奖、2016年清华大学教育教学成果二等奖、教育部在线教育研究中心 "智慧教学之星" 称号、北京高校第十届青年教师教学基本功比赛综合二等奖及最佳教案奖和最受学生欢迎奖。

  • 何隽 清华大学 深圳研究生院 副教授

    北京大学法学博士,清华大学深圳研究生院副教授,清华大学港澳研究中心副主任,世界知识产权组织WIPO学院高级课程 "专利" Head Tutor,深圳市知识产权局专家委员会专家。主要从事知识产权法、竞争法研究,发表论文50余篇,论文被《新华文摘》、《中国社会科学文摘》、《人大复印报刊资料》等转载摘编,参写参编著作3部,主持国家知识产权局软科学研究、战略推进工程研究课题3项。主讲研究生课程 "知识产权法学"、"药品知识产权与WTO规则"、"中国的制度与法律环境"、"知识产权法律及实务",合作讲授大数据硕士课程 "数据伦理"。2014年获清华大学第六届青年教师教学大赛一等奖。

精华笔记

精华笔记正在评选中,去看看全部笔记

常见问题

本课程的授课团队背景如何?

袁 博:澳大利亚昆士兰大学计算机科学博士
何 隽:北京大学法学博士,芬兰图尔库大学博士后
唐 仙:香港中文大学电子工程博士
董宇涵:美国北卡罗莱纳州立大学电机工程博士

这门课程适合我学习吗?

本课程为数据科学领域的通识类课程,适合作为对数据科学感兴趣的各专业本科生及研究生的先修课。内容文理并包,注重深入浅出、形象生动,辅以精心制作的海量动画,力求带给大家前所未有的工科课程学习体验!如果你想一览数据科学的精彩,那就让本课程带着你一起扬帆远航吧!

数据科学的慕课已经有很多,这门课有什么特点?

目前大部分数据科学慕课以讲授算法为主,主要适合信息类背景的同学学习。同时,数据科学是一个典型的以应用为导向的交叉学科,只掌握单一领域的工具是远远不够的。同学们在算法学习的时候,也需要深入了解各类技术在实际应用中所可能面临的各种挑战,从而进一步丰富自己的知识维度,培养正确的数据思维理念,更好地掌握数据科学领域的知识并将这些知识转变为实际的工作能力。