返回资源列表

UC Berkeley Data102

UC Berkeley Data102(2025 秋)

学习数据科学中的推断与决策方法。

打开官方课程
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

  1. 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。
  2. 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。
  3. 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

  1. 01Binary Decision Making I
  2. 02Binary Decision Making II
  3. 03p-values and Hypothesis Testing
  4. 04Multiple Hypothesis Testing and False Discovery Rate Control
  5. 05Frequentist vs. Bayesian Decision Making
  6. 06Introduction to Frequentist and Bayesian Modeling
  7. 07Bayesian Hierarchical Models
  8. 08Bayesian Hierarchical Models II
  9. 09Bayesian Inference with Sampling
  10. 10Regression and GLMs
  11. 11GLMs and Model Checking
  12. 12Uncertainty Quantification for GLMs
展开其余 13 节
  1. 13Nonparametric Methods and Neural Networks
  2. 14Neural Networks, Backpropagation, and Interpretability
  3. 15Causal Inference I: Association and Causation
  4. 16Causal Inference II: Randomized Experiments
  5. 17Causal Inference III: Observational Studies
  6. 18Concentration Inequalities
  7. 19Bandits I
  8. 20Bandits II
  9. 21Reinforcement Learning I
  10. 22Reinforcement Learning II
  11. 23Case Studies, Robustness, Generalization
  12. 24Bridging Technical & Ethical Perspectives on Modeling and Decisions
  13. 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