帮助

数据科学通识教育资源平台旨在解决学习数据科学“第一公里”的问题,帮助学习者在短时间内完成思维模式塑造,掌握正确的学习方法,合理看待数据科学与其专业学科之间的关系,构建数据时代、智能时代必备的认知体系,完成相关技能的学习。


1、平台特点

(1) 内容丰富多样:平台具有课程、案例、题库、资讯等多种类型的学习资源。

(2) 面向基础,整体拔高:平台旨在帮助零基础学生快速入门,掌握相关的思维模式及学习方法,打下扎实基础。合理的思维模式可以让学习事半功倍。

(3) 系统培训:每年组织国内知名高校数据科学领域专家开展2期数据科学实战训练营活动,每期培训课时不少于10个学时。

(4)支持图书馆开展数据科学素养课程教学:利用平台提供的的课程资源、数据分析案例和高质量的训练营实战课程,经过培训的图书馆数据科学师资可以组织线上线下教学活动,提升图书馆信息素养课程的吸引力。

 

2、栏目介绍

(1) 新闻资讯

本栏目提供人工智能、大数据等数据科学相关的政务信息及各省市行政单位、高校在此领域的建设动态,帮助学习者从更高层面了解数据科学在当今时代的发展特征。

 

(2) 入门必读

本栏目提供基础入门学习内容,帮助学习者了解数据科学领域基本要素、培养正确的学习方法及思维观念;提供数据科学领域相关的基本概念、名词介绍,以便查阅;栏目供包括以下五个模块:

 

基本概念:用通俗易懂的语言,介绍数据科学领域相关的名词及其他基本概念,如“什么是数据科学”、“什么是大数据”、“什么是人工智能”、“Python与数据科学的关系”、“R语言的特点”等等,帮助学习者尽快掌握数据科学的整体概况。

 

思维方法:介绍相关的思维模式及学习方法,如“系统思维”、“工程师思维”、“SOP思维”、“为应用而学”等等,以帮助学习者转变思维、快速适应。数据科学与信息技术密切相关,对于初学者尤其是非计算机相关专业的人来说具有一定理解难度,通过本模块的学习可以加深学习者对数据科学的理解,加深对信息技术的理解,提升学习效率,为以后的学习打下扎实基础。

 

数据来源:本栏目收录了多种数据来源渠道,涉及股票、零售、医疗、交通出行、房地产、旅游等诸多领域,每个渠道都有详细的介绍及其特色说明,能够帮助用户快速了解应该去哪查阅需要的数据。

 

数据处理:所有跟数据打交道的人都免不了数据处理这一道工序。本模块介绍常见的数据处理方法及其应用场景,如“缺失数据处理”、“脏数据处理”、“数据标准化”等等,以帮助学习者更好地展开数据研究工作。

 

数据分析:数据分析是挖掘数据价值的关键所在,旨在从杂乱无章的数据中提取有价值的信息,最大化发挥数据作用。本模块介绍常见的数据分析方法及其应用场景,如“描述统计”、“假设检验”、“信度分析”等等,以帮助学习者掌握相关理论知识及其实现过程。

 

数据可视化:可视化可以直观地展示数据所蕴含的信息,几乎所有的研究都离不开可视化工作。本模块介绍常见的数据可视化方法及其应用场景,如“饼状图”、“柱状图”、“热力图”、“折线图”、“雷达图”等等,以帮助学习者掌握各种可视化图表的基本概况及实现过程。

 

(3) 精品课程

本栏目提供PythonR语言等基础入门精品课程,内容包括视频、讲义、代码、数据及相关题库等,旨在帮助学习者构建完整的学习路径,快速掌握相关知识并打下坚实基础。

 

(4) 精品案例

本栏目提供Python/R在各个学科各个领域的应用实例,如金融、统计、医疗、出行等等。案例结构清晰,内容充实且多样化,旨在帮助学习者熟悉业务及实践应用场景。

 

(5) 题库

本栏目提供多种类型的子题库,以帮助学习者定向测试,检验学习成果。题库题型有选择题、填空题、问答题、实操题等。每一个子题库有着详细的介绍和能力要求说明,以满足不同层级学习者的需求。

 

(6) 职场对接

本栏目旨在加强用户对职场情况的掌握,了解数据科学相关岗位的能力要求与职责,了解相关的面试经验,为就业做准备。在就业市场中与数据科学相关的岗位众多,不同专业背景的学生匹配的岗位也有所不同,如理工专业的学生比较适合侧重技术和工程能力的职位,而人文社科、经管类学生则更适合业务驱动的分析岗位。

 

(7) 竞赛实践

本栏目旨在为学习者提供优质、及时的竞赛资讯,帮助有需要的人群及时掌握相关竞赛的动态。各大竞赛平台都有着众多赛事,所适宜的参赛人群也各有不同。栏目对数据科学相关赛事进行整理,以更好地帮助学习者选择适合自身能力水平的赛事,提升实践能力。