2018年春季《数据科学导论》课程回顾（一）

【这个帖子是总结数据科学教学体系设计和教学经验的，会有一些比较发散的议论和思考，抛砖引玉，请看官不要苛责，多提宝贵意见。因为数据科学导论课程最大的困难是，能讲的，该讲的东西太多，不知如何取舍；而且针对不同背景和先修课程的学生，内容也会存在很大差异，这些都是巨大的挑战，需要迭代改进。】

2018年春季学期要结束了，这个学期给人民大学统计学院“数据科学与大数据技术”本科专业学生开设《数据科学导论》课程，感觉头绪纷乱，压力山大。不过几个月的课程讲下来，效果似乎还可以。

本课程的目标是大一下学期学生，他们已经接触过下列课程：微积分、线性代数、概率论(高中水平）、统计学（入门课程）、编程（学了一点C语言）、最优化（求最大值最小值）。按照《深度学习》中的先修课程要求，他们可以开始自学了，如果是速成课程的话，讲几次Python，然后拿scikit-learn跑数据集，就OK了。不过这些学生的长远目标是成为专业的数据科学家，他们的学习时间至少要按照6年来设定，因此面向一年级学生的《数据科学导论》课程就不宜局限于调用API或者点按钮了，可能更需要帮助他们完成从高中数学到数值计算和数学建模的转型。高中数学的特点是应试和推公式，与现实无关，自然需要新的课程和实践来逐步扭转思维定势。

新瓶装旧酒吗？数据科学继承传统的一面

那么，将目标设定为数值计算和数学建模的原因何在，难道数据科学不是一个更漂亮的包装吗？问题在于，数据科学是什么？数据科学和数据科学家是先有鸡还是先有蛋，这些都是待定的问题。对于新生来说，他们并不需要更多的营销口号和包装&#x