Python 数据科学导论
这门课学什么
这门课是哈佛 CS109 数据科学课前半部分的在线版。内容有线性回归、多项式回归、kNN、逻辑回归、过拟合、正则化。全程用 Python、pandas、scikit-learn 写代码。
内容摘要
这门课是哈佛 CS109 数据科学课前半部分的 edX 版，讲师是 Pavlos Protopapas。课程共 8 个模块，主线是“用数据建模，评估模型，再量化结论的不确定性”。全程用 Python，主要工具是 pandas、NumPy、matplotlib 和 scikit-learn。
前 4 个模块讲回归。先讲简单线性回归，再扩展到多元回归和多项式回归。然后讲怎样用交叉验证选择模型，以及偏差与方差的权衡和超参数调节。这一段的重点是理解：模型越复杂，越容易过拟合。
第 5、6 个模块讲分类。先讲逻辑回归，再讲多分类逻辑回归，并讨论数据有缺失时怎样处理。第 7 个模块回到统计推断：用自助法（bootstrap）估计置信区间，再用假设检验判断模型系数是否可信。
最后一个模块是毕业项目，学员用前面的方法完成一次完整的数据分析。学完后学员能独立完成回归和分类建模，并能说明模型结论有多可靠。这门课也是《Python 机器学习与人工智能》的先修课。
为什么值得学
它把哈佛招牌数据科学课的核心内容免费开放。学完后能打好 Python 机器学习的基础。
课程信息
- 学校
- 哈佛（Harvard）
- 讲师
- 帕夫洛斯·普罗托帕帕斯（Pavlos Protopapas）
- 学期
- self-paced
- 平台
- edX
- 费用
- 免费旁听
- 难度
- 中级
- 学时
- 8 周 × 每周 3–4 小时
- 先修
- 会基础 Python 编程和统计学。
- 材料
- 视频、作业、代码
- 许可证
- 未注明
课程大纲 · 共 8 节
大纲依据：edX 课程页 Course Outline（8 个模块）（查看原始页面 ↗）
- 1线性回归Linear Regression
从单变量线性回归入手，讲怎样用最小化误差拟合模型，并用 Python 实现。
- 2多元回归与多项式回归Multiple and Polynomial Regression
把回归扩展到多个预测变量和非线性关系，讨论特征之间的共线性与交互作用。
- 3模型选择与交叉验证Model Selection and Cross-Validation
用训练集、验证集和 k 折交叉验证比较模型，选出泛化能力最好的模型。
- 4偏差、方差与超参数Bias, Variance, and Hyperparameters
解释过拟合和欠拟合的来源，讲怎样用正则化和超参数控制模型复杂度。
- 5分类与逻辑回归Classification and Logistic Regression
讲二分类问题，用逻辑回归输出概率，再设定决策阈值。
- 6多分类逻辑回归与缺失数据Multi-logistic Regression and Missingness
把逻辑回归推广到多个类别，并讲缺失值的类型和填补方法。
- 7自助法、置信区间与假设检验Bootstrap, Confidence Intervals, and Hypothesis Testing
用自助法重抽样估计系数的不确定性，构造置信区间，并检验系数是否显著。
- 8毕业项目Capstone Project
综合运用回归、分类和推断方法，完成一个完整的数据分析项目。
哈佛的其他AI课
- CS50 人工智能导论（Python） · CS50's Introduction to Artificial Intelligence with Python
- 哈佛数据科学专业证书系列（9 门课） · Professional Certificate in Data Science (HarvardX)
- Python 机器学习与人工智能 · Machine Learning and AI with Python
- TinyML 基础（微型机器学习系列） · Fundamentals of TinyML (Tiny Machine Learning series)
- 机器学习系统（哈佛 CS249r 开放教材） · Machine Learning Systems (open textbook for Harvard CS249r)
- AI 安全（CS 2881R） · CS 2881R: AI Safety