自2015年以来，“大数据”已成为最热门的名词之一。大数据在企业决策中扮演着越来越重要的角色，各个行业都不约而同地提出了大数据的口号，与大数据相关的新名词、新需求不断涌现，数据是未来的石油“的观念正深入人心。

 与大数据需求火爆相对应的是数据人才的缺失。全面的数据改革迫在眉睫，如何真正落实大数据的应用，深入发掘数据，为各行各业带来数据驱动的变革成为了新的挑战。为了培养在校学生的大数据思维，了解大数据在不同行业的应用，本课程以行业案例为主，介绍了数据分析中的常见8大类主要任务，并配合实际操作向大家完整介绍数据分析的基本流程和操作方法。

可能很多同学会担心：（1）我的数据基础差，我能学习这门课程么？本课程在组织的时候，会尽量回避深奥的数据公式推导，而是以浅显的语言和循序渐进的方式介绍相关术语和算法概要，并使任何具备基本数学知识的人能理解整个数据处理的过程。（2）学习这门课程需要编写代码么？不需要！在我们的课程中，我们会选择一个功能齐全、开放源码、免费使用的、基于图形用户界面的数据科学工具，在使用过程中，你不需要编写任何代码，就能实现数据科学各种算法，当然如果你有Python和R的基础将能更帮助你更好地学习本课程。

总成绩在60-85分（不包含85分），评定为合格；总成绩在85分及以上，评定为优秀。

总成绩组成：

（1）视频观看：查看所有课程视频。占40分；

（2）课程讨论：在"讨论区"栏目的“课堂交流区”中完成10次或10次以上与课程内容相关的发帖或回复。占10分；

（2）线下课堂：参与线下课堂，完成线下任务。占50分。

《机器学习》，周志华，2016，清华大学出版社

《预测分析与数据挖掘 RapidMiner实现》，[美] 瓦杰·考图（Vijay Kotu） 著，严云 译，2018，人民邮电出版社