NYU Data Science数据科学导论课程评分标准解析

纽约大学（NYU）Data Science硕士学位的数据科学导论课程（DS-GA 1001）重点关注了数据科学领域的基础概念和原理，同时教授了分析现实世界数据集的技术技能。要想在课程中获得高分，提前了解课程的评分标准是必不可少的一步。以下是对NYU Data Science数据科学导论课程评分标准的详细解析，希望对你有所帮助。

一、课程主要内容

这是一门基础课程，旨在涵盖数据科学的所有主要领域，以便为学生打下基础，使其能够学习这些领域中更高级的课程。因此，课程内容被分为与每个数据科学家的两个主要工作相对应的模块：(1) 推断；(2) 机器学习。

1、推断：概率论基础；假设检验；显著性检验；随机推断；置信度；贝叶斯推断。

2、机器学习：回归；正则化；推荐系统；分类；无监督学习；神经网络。

二、课程评估要求

1、出席和参与：数据科学导论课程以现场互动讲座的形式设计，因此请尽可能现场参加讲座。从历史经验来看，现场出席对学生的学习最有价值。讲座的录音和在线传输仅作为备用，用于因生病或其他原因无法出席的情况。

无论如何，你都要对课程内容负责。因此，坚持出勤至关重要，因为期末考试将侧重于课程讨论的内容，而实验对于将主题内容转化为代码至关重要。因此，课程将通过AAA作业来评定参与度。共有14次课程，你需要完成其中12次AAA作业才能获得满分。

2、问题集：每周分配一次，涵盖课程当周讨论的主题。

3、数据分析项目：课程期间将分两次分配数据分析项目。课程会为这些项目提供数据。这些项目是相互关联的。你有3周的时间来完成。你可以以1-3人的小组形式进行。由于你需要使用Github课堂来完成这项作业的代码部分，因此你应注册一个Github账户。

4、期末考试：期末考试是累积性的综合考试，即涵盖课程内容的各个方面。考试允许携带一张（双面）笔记。重要的是，考试将在课堂上进行，不允许使用任何类型的电子设备。

5、顶点项目：顶点项目旨在将你在课程中学到的技能联系起来。与数据分析项目一样，顶点项目将以1-3人的小组形式完成，并使用课程提供的数据集，以模拟现实生活中的行业条件。你需要完成5-10页的项目报告。学期末将发布报告要求。数据集和问题应该能激发大家的兴趣。项目报告也可以作为求职简历的一部分。与数据分析项目一样，你需要通过Github课堂提交代码。

6、额外加分机会：课程为学生提供了额外加分的机会。

• What one wonders (WOW)：写下你感到好奇的有趣问题，并尝试用数据方法解决，可获得额外1%的分数

• 错误的数据科学（BDS）：在这个加分项目中，你需要说明你在网上看到的错误数据科学（BDS），并指出其中的问题。可获得额外1%的分数。

以上就是NYU Data Science数据科学导论课程的评分标准。如果你在完成课程作业的过程中遇到问题，随时可以联系考而思的课程顾问。考而思能够及时安排一对一纽约大学作业辅导，为你详细解答课业难题，精讲知识要点，使你能够在课程评估中有更好的表现，获得理想的课业成绩。