教育工作者数据科学简介

教学大纲

• 第1周

  数据科学简介

  • 数据科学简介

    我们介绍了教育工作者的数据科学的开始，您需要知道的是教数据科学和数据科学工作的示例。

  • 成为数据科学家需要知道的知识

    您需要知道的成为数据科学家。

  • 数据科学示例

    我们将介绍数据科学的具体示例。

• 第2周

  数据科学过程

  • 数据科学过程：开始

    我们将讨论数据科学，数据类型和数据科学类别的过程。

  • 数据文件格式

    我们将深入研究数据科学中使用的数据格式的激动人心的世界。

  • 数据科学涉及的过程

    我们深入研究数据科学所涉及的过程。

• 第三周

  机器学习简介

  • 什么是机器学习？

    我们讨论并定义了什么是机器学习，用于机器学习中使用的概念和术语的介绍和历史。

  • 机器学习的类型和示例

    我们详细介绍了机器学习的类型，并给出了每种的示例。

• 第4周

  统计与概率 - 引入贝叶斯概率和K -Nearest邻居

  • 概率：介绍和贝叶斯的概率

    我们讨论并定义了贝叶斯的概率。

  • K-Nearest邻居（KNN）

    K-Neartheart邻居算法的介绍及其对分类的重要性。

• 第5周

  统计与概率 - 引入回归和梯度下降

  • 统计：简介

    我们定义统计数据，并且在数据科学中更深刻的含义。

  • 回归

    我们讨论回归及其在数据科学中的含义。

  • 梯度下降

    我们讨论数据科学中的梯度下降。

  • 逻辑回归

    我们讨论并定义了逻辑回归。

• 第6周

  引入数据挖掘

  • 数据挖掘：简介

    我们定义什么是数据挖掘。

  • 数据挖掘中的工具

    我们讨论用于数据挖掘的各种工具。

  • 数据挖掘的示例

    我们给出了现实世界中数据挖掘的示例。

• 第7周

  引入大数据

  • 大数据：简介

    什么是大数据？我们谈论它。

  • 大数据市场

    我们讨论大数据市场。

  • 大数据的有效管理

    我们讨论有效的管理，算法和问题及其大数据解决方案。

  • 大数据工具

    我们讨论大数据研究中使用的工具和软件。

• 第8周

  数据科学中的可视化

  • 通过可视化了解数据

    我们讨论数据中的可视化。

  • 可视化美学

    我们讨论可视化的美学。

  • 可视化类型

    我们讨论数据科学中使用的可视化类型。

  • 我们学到了什么

    我们通过评估学习目标的获得，并考虑将数据科学纳入高中课堂中的下一步，来回顾课程中所学到的知识。

您会和谁一起学？