UC Berkeley Data101 / CS187
UC Berkeley Data101 / CS187:Data Engineering(2026 秋)
学习数据工程与数据库相关工具和方法。
BerkeleyData101
- 难度
- 见前置条件
- 形式
- 大学课程
- 语言
- 英文
- 规模
- 28 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
课件公开;官方项目环境在 Berkeley DataHub。
- 练习与作业
- Berkeley DataHub(仅限选课学生)
第一次学这门课?先完成学前准备,把课程目录搭好。
每节课这样学
- 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
- 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
- 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「UC Berkeley Data101 / CS187:Data Engineering(2026 秋)」。课程目录是 berkeley-data101-fa26/(不知道完整路径就先问我)。 1. 读 progress.md,找到下一课;如果我指定了第几课,就准备那一课。 2. 打开这一课的官方页面和本地讲义,列出本课练习要用的工具、文件和样例数据。缺少的先告诉我,等我同意再安装或下载。 3. 在 lessons/ 对应的课节文件夹里准备好练习:exercises/ 里给每道题建一个文件,写上题号和题目原文链接,不写答案;已有文件保留,样例数据放到 data/。拿不到官方题目或起始代码时记录限制,不编造替代品。 4. 按 README 运行开课时生成的自检脚本或在线检查清单,并检查本课新增工具能否正常使用。 5. 告诉我:本课先读哪几节、从哪道练习开始、大约需要多久。我学完后,帮我在 progress.md 勾选并把问题整理到 questions.md。 边界: - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。 - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。
课节共 28 节 · 官方顺序
- 01Introduction, Data Engineering Lifecycle
- 02SQL Review
- 03Relational Model & Algebra
- 04CTEs, Views, Subqueries
- 05DML, DDL, Referential Integrity, Constraints
- 06Performance and Index Selection
- 07Optimizing for Performance I
- 08Optimizing for Performance II
- 09Optimizing for Performance II (cont'd)
- 10Data Modeling I: Relations, Tensors, Dataframes
- 11Data Preparation I: Structural Transformations
- 12Data Preparation II: Numerical, Granularity, Windows
展开其余 16 节
- 13Data Preparation III: Outliers
- 14Data Preparation IV: Entity Resolution
- 15Data Modeling II: Normalization + ER
- 16Semistructured Data
- 17MongoDB I
- 18MongoDB II
- 19Sampling, MapReduce
- 20Parallel and Distributed Computing
- 21Data Ops and Pipelines
- 22Transactions
- 23BI, OLAP
- 24Spreadsheets
- 25Graph Databases
- 26Cloud Computing
- 27官方预排课节:TBA(尚无主题)
- 28官方预排课节:TBA(尚无主题)
来源与使用须知
- 原始资源
- UC Berkeley Data101 / CS187 收录版本:2026 秋
- 收录时间
- 本站首次收录 2026-10-10
版权与转载
- BSD-3-Clause:代码可自由使用和修改,需保留版权声明;适用范围以原站说明为准,第三方材料可能另有条款。原站说明
- 其余材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;课程图像来自原站,版权与商标归原权利人;引用时请注明原作者与出处。