BerkeleyData102
- 难度
- 见前置条件
- 形式
- 大学课程
- 语言
- 英文
- 规模
- 25 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
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 Data102(2025 秋)」。课程目录是 data102-fa25/(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 25 节 · 官方顺序
- 01Binary Decision Making I
- 02Binary Decision Making II
- 03p-values and Hypothesis Testing
- 04Multiple Hypothesis Testing and False Discovery Rate Control
- 05Frequentist vs. Bayesian Decision Making
- 06Introduction to Frequentist and Bayesian Modeling
- 07Bayesian Hierarchical Models
- 08Bayesian Hierarchical Models II
- 09Bayesian Inference with Sampling
- 10Regression and GLMs
- 11GLMs and Model Checking
- 12Uncertainty Quantification for GLMs
展开其余 13 节
- 13Nonparametric Methods and Neural Networks
- 14Neural Networks, Backpropagation, and Interpretability
- 15Causal Inference I: Association and Causation
- 16Causal Inference II: Randomized Experiments
- 17Causal Inference III: Observational Studies
- 18Concentration Inequalities
- 19Bandits I
- 20Bandits II
- 21Reinforcement Learning I
- 22Reinforcement Learning II
- 23Case Studies, Robustness, Generalization
- 24Bridging Technical & Ethical Perspectives on Modeling and Decisions
- 25Technical & Ethical Perspectives (continued) and Course Wrap-up
来源与使用须知
- 原始资源
- UC Berkeley Data102 收录版本:2025 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。原站说明
- 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。
使用前请了解
- 1 个相关链接需要登录或暂时无法访问。