UC Berkeley Data101 / CS187：Data Engineering（2026 秋）

请帮我把「UC Berkeley Data101 / CS187：Data Engineering（2026 秋）」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://data101.org/fa26/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：在线学习。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：课表包含 Project 0–4、Homework 1–5 与 Discussion 1–11。Project 0 使用 Billboard 数据、PostgreSQL、JupySQL、Otter 与 data101_utils；其中含 DROP DATABASE 与断开连接操作，必须在隔离课程环境执行。不要在 LearnMap 或其他项目数据库运行。
课节（官方顺序）：
1. Introduction, Data Engineering Lifecycle：https://data101.org/fa26/lectures/intro/
2. SQL Review：https://data101.org/fa26/lectures/sql/
3. Relational Model & Algebra：https://data101.org/fa26/lectures/relational-model/
4. CTEs, Views, Subqueries：https://data101.org/fa26/lectures/CTEs-views-subqueries/
5. DML, DDL, Referential Integrity, Constraints：https://data101.org/fa26/lectures/DML-DDL/
6. Performance and Index Selection：https://data101.org/fa26/lectures/performance-index-selection/
7. Optimizing for Performance I：https://data101.org/fa26/lectures/optimizing-1/
8. Optimizing for Performance II：https://data101.org/fa26/lectures/optimizing-2/
9. Optimizing for Performance II (cont'd)：https://data101.org/fa26/lectures/optimizing-2/
10. Data Modeling I: Relations, Tensors, Dataframes：https://data101.org/fa26/lectures/data-modeling-1/
11. Data Preparation I: Structural Transformations：https://data101.org/fa26/lectures/data-prep-1/
12. Data Preparation II: Numerical, Granularity, Windows：https://data101.org/fa26/lectures/data-prep-2/
13. Data Preparation III: Outliers：https://data101.org/fa26/lectures/data-prep-3/
14. Data Preparation IV: Entity Resolution：https://data101.org/fa26/lectures/data-prep-4/
15. Data Modeling II: Normalization + ER：https://data101.org/fa26/lectures/data-modeling-2/
16. Semistructured Data：https://data101.org/fa26/lectures/semistructured-data/
17. MongoDB I：https://data101.org/fa26/lectures/mongoDB-1/
18. MongoDB II：https://data101.org/fa26/lectures/mongoDB-2/
19. Sampling, MapReduce：https://data101.org/fa26/lectures/sampling/
20. Parallel and Distributed Computing：https://data101.org/fa26/lectures/parallel-dist-computing/
21. Data Ops and Pipelines：https://data101.org/fa26/lectures/data-ops/
22. Transactions：https://data101.org/fa26/lectures/transactions/
23. BI, OLAP：https://data101.org/fa26/lectures/olap/
24. Spreadsheets：https://data101.org/fa26/lectures/spreadsheets/
25. Graph Databases：https://data101.org/fa26/lectures/graph-db/
26. Cloud Computing：https://data101.org/fa26/lectures/cloud-computing/
27. 官方预排课节：TBA（尚无主题）：https://data101.org/fa26/
28. 官方预排课节：TBA（尚无主题）：https://data101.org/fa26/

1. 环境
- 有 Berkeley 权限时使用课程链接进入 DataHub，先完成 Project 0。
- 阅读材料不需要安装终端工具。账号或付费服务由学习者自己登录；不复制登录凭据，不自动购买服务。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 课表与讨论题：只记录链接 https://data101.org/fa26/（仅保存官方链接；未核定此材料的复制许可，不自动下载或镜像。）
- 公开项目仓库：只记录链接 https://github.com/data-101-berkeley/fa26-materials（官方仓库页面已核对 BSD-3-Clause 标识，适用范围是该仓库；课程站讲义与 DataHub 账号授权另行核定。本轮 LICENSE 正文下载未完成，保留官方链接，准备复制材料前读取并保留许可证。）
- 课程笔记：只记录链接 https://data101.org/notes（仅保存官方链接；未核定此材料的复制许可，不自动下载或镜像。）
3. 目录（最外层放在我确认的位置）
berkeley-data101-fa26/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lecture-01/
    ├── 02-lecture-02/
    ├── 03-lecture-03/
    ├── 04-lecture-04/
    ├── 05-lecture-05/
    ├── 06-lecture-06/
    ├── 07-lecture-07/
    ├── 08-lecture-08/
    ├── 09-lecture-09/
    ├── 10-lecture-10/
    ├── 11-lecture-11/
    ├── 12-lecture-12/
    ├── 13-lecture-13/
    ├── 14-lecture-14/
    ├── 15-lecture-15/
    ├── 16-lecture-16/
    ├── 17-lecture-17/
    ├── 18-lecture-18/
    ├── 19-lecture-19/
    ├── 20-lecture-20/
    ├── 21-lecture-21/
    ├── 22-lecture-22/
    ├── 23-lecture-23/
    ├── 24-lecture-24/
    ├── 25-lecture-25/
    ├── 26-lecture-26/
    ├── 27-lecture-27/
    └── 28-lecture-28/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 人工检查：确认能打开 Project 0 notebook；执行前检查 PostgreSQL 是独立课程数据库，不能连接已有项目数据库。无 DataHub 权限时标注项目运行未完成  → 能打开指定材料并核对标题；此项是人工检查，不是终端命令，也不代表课程练习已完成。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

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。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。