《数据科学概论》的知识体系与学习路线图
前言
知识是有架构的，这就是所谓的知识体系。学习是有路线图的（对学生而言），对老师来讲就是教学计划。
《数据科学概论》的知识体系
数据科学概论，由理论部分和应用部分构成。形成两条线索，两个T型，如图所示。
理论部分，先由浅入深，再宽度展开，旨在培养学生宽广的视野，形成完整的知识体系。
应用(实践)部分，先宽度展开，再深入量化交易领域（可选择其它应用领域的案例），旨在培养学生的动手能力和浓厚兴趣。
理论部分解决“所以然”的问题，而应用部分解决“然”的问题。我们既要知其然，还要知其所以然。
《数据科学概论》的教学计划（学习路线图）
教学计划对教师而言就是教学的行动指南，对学生而言，则是学习的路线图。
知识点具有一环扣一环的紧密联系，我们需要一个合理的路线图，把它组织起来，遵循该路线图，把各个知识点学到手，建立内化的知识架构。
《数据科学概论》的教与学
教学（学习）的过程，需要教师和学生共同努力。
教师要把关键的知识点讲清楚，把知识的联系，勾勒清楚。
学生学习的时候，要发挥主动性，要超越老师讲的东西，触类旁通。学习了A，能不能主动跨越出去，把A'、A''搞清楚呢？学习了A、B、C，能不能把A、B、C结合起来，解决实际问题呢？
《数据科学概论》的教学计划
备注：配套网站http://xiongpai.freecluster.eu/download.html
下表中的教学计划按照每周两次课（每次2学分），每周有一次上机（2学分）进行安排，若非如此，请自行裁剪即可。
周次 |
第一次课 |
第二次课 |
上机 |
备注 |
教师指引 |
学生指引 |
1 |
课程介绍、数据科学概论、数据科学案例（选讲） |
OLTP与数据服务 |
不上机 |
第一周，没有准备，不用上机 |
|
|
2 |
OLAP与结构化数据分析 |
Mysql 与oltp demo，包括data model和sql queries |
oltp demo |
发布在教学网站上 |
通过理论和实验指导的讲解，使得学生对关系数据库等技术有初步的认识 |
通过实例，学习mysql 安装、配置、和SQL增删改查、事务处理，加深对关系数据库和OLTP技术的理解（SQL易学易用） 按照老师精心设计的demo照抡一遍，并开动脑筋，同学们一定达到上述目的 |
3 |
数据清洗与数据集成 |
Mysql 与olap demo，包括data model和sql queries |
olap demo |
发布在教学网站上 |
通过理论和实验指导的讲解，使得学生对ROLAP技术有初步的认识 |
通过简单的星型模型实例，加深对ROLAP技术的了解
按照老师精心设计的demo照抡一遍，并开动脑筋，同学们一定达到上述目的 |
4 |
数据的深度分析1 |
Python与数据科学basic |
Python basic |
课本实例 |
一边开始讲理论，一边开始学习python |
对python快速入门 |
5 |
数据的深度分析2 |
Python与数据科学之pandas/sklearn/matplotlib/nltk/networkx/keras and theano or tensorflow
|
Python simple examples |
课本实例，从网站下载 |
一边开始讲理论，一边讲编程语言与实例 |
备注：每个库的功能，并展示一两个实例。 真正的掌握，靠后续不断的学习和练习。 也就是除了这里的基本实例之外，后续还有大量的实例。 |
6 |
数据的深度分析3 |
Python与数据科学 More examples |
Python more examples |
更多实例，从网站下载 |
可以按照两个路线图进行讲解：（1）十大算法的路线图；（2）分类、聚类、回归、关联规则、推荐、参数优化、降维/预处理/特征选择…的路线图 |
|
7 |
数据的深度分析4 |
Python与数据科学 More examples |
Python More examples |
更多实例，从网站下载 |
同上 |
|
8 |
流数据处理 |
文本分析 |
Python more examples |
更多实例，从网站下载 |
同上 |
|
9 |
文本分析 |
Python TEXT examples，在这里讲实例 |
Python TEXT examples，这里是上机 |
更多实例，从网站下载 |
|
|
10 |
社交网络 |
社交网络 |
Python NETWORK examples |
更多实例，从网站下载 |
|
|
11 |
Python NETWORK examples，在这里讲实例 |
知识图谱 |
Python TEXT &NETWORK examples，这里是上机 |
更多实例，从网站下载 |
|
|
12 |
数据可视化 |
云计算 |
数据科学大作业 |
|
大作业可以选择金融领域中的量化交易、自动驾驶中的ojbect detection |
学习了A、B、C，能不能把A、B、C结合起来，解决实际问题？
|
13 |
Hadoop |
spark |
数据科学大作业 |
鼓励同学们自己把hadoop和spark玩起来 hadoop和spark的实践放在本课程之外 网站上有《hadoop/spark入门》free book |
这里仅仅对hadoop和spark基本原理进行讲解 |
学习了A、B、C，能不能把A、B、C结合起来，解决实际问题？
|
14 |
评测基准 |
数据科学实践——量化交易或者object detection |
数据科学大作业 |
|
|
学习了A、B、C，能不能把A、B、C结合起来，解决实际问题？
|
15 |
数据科学实践——量化交易或者object detection |
复习 |
数据科学大作业 |
|
|
学习了A、B、C，能不能把A、B、C结合起来，解决实际问题？
|
16 |
大作业展示 |
大作业展示 |
/ |
|
|
Presentation的能力 |
17 |
考试周 |
|
|
闭卷考试 |
|
|
备注：大作业采用3人小组完成，可选的题目包括kaggle大赛题目、国内大数据大赛题目、量化交易、自动驾驶（选择某个方面、规模适中）、图像检索……