数据科学导论

对个人而言，本门课程是我第一次系统性初步接触数据分析，学到了使用Python分析数据和可视化的方法和知识（主要还是画图）。如果你对数据分析感兴趣，还是很推荐你来修读这门课程的，带着目的来学会学到更多东西。

但是说到这里，还是得谈一下马老师的上课风格，就是对着PPT和notebook毫无感情波动地念和演示。这导致你很难提起兴趣听下去，即使撑住去仔细地听，你也不知道哪些信息是关键的，哪些是次要的，因为很难听到重音…所以与其去仔细听，不如跟着他把notebook自己过一遍（虽然也很无聊QAQ）但是马老师的确是有东西的，如果你仔细学代码或者和老师交流，应该也会有不错的收货。

最后给分还是很不错的，总分向上取整也避免了很多卡绩，只不过个人是真的不喜欢pre由全体学生打分这个评价方式，更何况老师也没有给评分标准，导致很多人评分就是向着平均去评。

课堂的意义呢?

2025年10月31日第8周周五17:11:49, 正在上这门课, 感觉十分厌烦----不可否认内容设计的Pandas, Numpy, Matplotlib 等库都是十分重要而基础的东西, 但是两位授课教师的:

• “我们快速的过一下”
• “这个你们回去自己看就好了”
• “从科学学习的角度上来讲让他们先做才是最优的学习方式”

实在是让人无语, 似乎编程课都是这样子吗? 宋老师和马老师在课程教授方式上应该都是有想法的, 但是客观上不能投入大量的精力提升教学质量, 这是一个无可避免的困境, 也是我们现在面对的难题----或许外出交流顺便把这门课程认证了也不错, 但是这些简单内容在应用中确实很有用, 或许应该更专注地自学, 而不是在课堂上耗费时间相互折磨.

等期末出分后再总评一下吧, 虽然对这门课程, 能用上学习成果远比gpa重要. 

p.s.: dsaa下定决心不退课了, 于是要一路前行了.

l老师上课的内容安排挺好

给分我觉得八太行QAQ.其他项的分都挺好，但是论文的20分普遍扣了超过五分（已知的两组分别是14、12.5），最后总评甚至没上90.但是也有一定的原因是我们组的pre没准备的很好

和楼上一样，因为有人期中时未返校，考试取消了。如果有考试的情况下90+应该挺稳的