SDSC5002
探索性数据分析与可视化
📘 简介
本课程旨在向学生介绍用于总结数据的核心探索性技术及其相关可视化方法。探索性数据分析在正式建模之前应用，可以帮助制定假设并为开发更复杂的统计模型提供指导。课程涵盖基本图形技术、探索性分析的典型统计方法以及高维数据的降维和聚类技术，重点讲授不同数据类型的可视化技术和方法，结合感知原理设计有效的数据可视化。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 描述探索性数据分析的基本概念及其在数据挖掘、网络分析、时空分析和机器学习中的应用；
✔️ 描述并应用探索性数据分析中的基本可视化技术；
✔️ 描述并应用高维数据、网络分析和时空分析的统计方法；
✔️ 探讨感知原理并选择适合物理和社会科学中不同数据集的可视化技术和方法；
✔️ 解释探索性数据分析和可视化如何应用于实际问题并从数据中获得洞见。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📝 小组项目 | 40% | 学生分组处理真实数据集，利用可视化和探索性分析工具进行分析并从中提取有意义的见解。 |
| 🖥️ 个别作业 | 25% | 学生独立完成分析和可视化真实数据集的任务。 |
| 📄 测试 | 35% | 期中测试评估学生在探索性数据分析和可视化方面的概念能力和技能。 |
💬 课程评价
✨ 精选评价
✏️ 您也可以通过以下方式分享您的学习体验和建议：
-
1️⃣ 课程页面底部评论 💬 在课程页面底部直接提交您的评论，我们会审核后将其收录到网站中。
-
2️⃣ GitHub 提交 🌐 如果您希望更全面地分享课程评价，或希望修改或新增课程页面，欢迎参考 贡献指南 页面，通过 GitHub 提交您的贡献。
💡 加入讨论
在下方评论分享您的评价、问题或经验👇
“期待你的评价。”
—— CityU