跳到正文

数据科学与数据产品

从问题框定、采集治理、清洗与推断走到实验、建模、数据管道和责任数据产品

98|98 小时|14|高级
开始学习

1第1章 问题框定与数据生命周期

从决策问题到可维护数据产品。

7

2第2章 采集、抽样与数据治理

说明数据从哪里来、代表谁和允许怎样使用。

7

3第3章 清洗、缺失与异常

把修复决定变成可追溯规则。

7

4第4章 探索性分析与可视化

先理解分布和关系,再选择模型。

7

5第5章 统计推断

从样本不确定性推到总体结论。

7

6第6章 实验、A/B与因果初步

用设计而非模型复杂度识别干预效果。

7

7第7章 特征工程与数据泄漏

让特征只使用预测时可获得的信息。

7

8第8章 监督学习与基线模型

从简单基线到可解释的分类回归。

7

9第9章 无监督学习与降维

在无标签数据中寻找结构并验证稳定性。

7

10第10章 时间序列与预测

尊重时间顺序、季节与概念漂移。

7

11第11章 评估、校准与不确定性

让指标对应决策成本和置信程度。

7

12第12章 数据管道、版本与质量

把一次分析变成可重复运行的产品。

7

13第13章 隐私、公平与可解释性

评估数据产品对个人和群体的真实影响。

7

14第14章 端到端数据产品项目

交付从问题证据到运行监控的完整闭环。

7