MA5800 -数据科学基础

学分:	3.
年:	2023
学生乐队的贡献:	带1
由:	科学与工程学院

本课程将为学生提供数据科学作为一门学科的概述，并介绍在该领域的各个学科中发挥基本作用的许多主题。学生将学习不同形式的数据表示和预处理，以便进一步分析和可视化。他们还将学习算法分析的原理，这将使他们能够评估和比较不同算法的可伸缩性，以便在数据科学领域的其他学科中进行研究。本课程的核心内容包括:数据科学与大数据导论;数据类型和表示;表格数据可视化技术研究要点数据预处理;数据整理;算法分析;案例研究; Software Practice (R).

学习成果

• 解释什么是数据科学，以及在数据科学领域中发挥主要作用的领域;
• 解释和举例最常见的数据类型和表示形式;
• 在概念层面识别和描述数据科学领域中简单而强大的数据可视化技术的核心集合;
• 从概念上描述和应用数据预处理的基本技术的核心集合;
• 在概念层面上解释和解释算法分析的结果;
• 应用常用的数据表示和数据预处理技术，如整理和整理，使用软件包和R语言。

学科评估

• >笔试/小测验1 -(15%)-个人
• 书面>问题任务-(45%)-个人
• 书面>项目报告-(40%)-个人。

可用性
凯恩斯，第83期，内部研究
人口普查日期18 - 5 - 2023
工作负载的期望:	这门3学分课程的学生课业约为130学时。 26小时教程 评估和自主学习
汤斯维尔，第一阶段，内部
人口普查日期23 - 3月- 2023
工作负载的期望:	这门3学分课程的学生课业约为130学时。 24小时的教程- 12 x 2小时的教程，面对面。 24小时是其他- 12 x 2小时的会议:亲自咨询和讨论委员会的参与。 评估和自主学习
JCU在线，第83期，外部
人口普查日期18 - 5 - 2023
工作负载的期望:	这门3学分课程的学生课业约为130学时。 65小时是其他-在线资源包括阅读、截屏、嵌入式测验 评估和自主学习
交货方法:	本部同样高品质在线-
限制:	本次发行受报名限制。

注意:由于持续不断的科目质量改进过程，可能会出现轻微的变化，如果在评估细节上有轻微的变化，科目大纲代表了最新的官方信息。