●第一章 引言
1.1 什麼是大數據
1.2 什麼是數據科學
1.3 教學內容和目的
第二章 因果推斷
2.1 觀察性數據
2.2 隨機化雙盲試驗
2.3 隨機化試驗的其他例子
2.4 結論
第三章 Python入門
3.1 Python安裝指南
3.2 表達式
3.3 數值類型
3.4 字符串
3.5 賦值語句
3.6 其他運算符
3.7 調用函數
3.8 結論
第四章 復雜數據類型
4.1 列表
4.組
4.3 字典
4.4 數組
第五章 復雜代碼組
5.1 條件語句
5.2 循環語句
5.3 函數
第六章 表格處理
6.1 模擬數據
6.2 案例1:俄法1812年戰爭數據
6.3 案例2:2010年中國人口普查資料
第七章 數據可視化
7.1 基礎語法
7.2 散點圖和折線圖
7.3 柱狀圖、餅圖、箱線圖和概率圖
第八章 概率、條件概率及貝葉斯公式
8.1 概率
8.2 條件概率
8.3 貝葉斯公式
8.4 隨機變量和概率分布
第九章 經驗分布
9.1 總體概率分布的直方圖
9.2 經驗分布的直方圖
9.3 大數定律
9.4 總體
9.5 從總體中抽樣及樣本的經驗分布
9.6 參數
9.7 模擬統計量
9.8 案例1:NBA周明星球員的年齡
9.9 案例2:估計敵軍飛機的數量
第十章 假設檢驗
10.1 案例1:第十二屆全國人民代表大會少數民族人大代表比例問題
10.2 案例2:孟德爾的豌豆花
10.3 案例3:某附屬中學學生的平均分數
10.4 錯誤概率
10.5 簡單的假設檢驗
第十一章 參數估計
11.1 百分位數
11.2 自助法
11.3 置信區間
第十二章 均值與中心極限定理
12.1 均值的定義
12.2 0/1數據的均值是數據中1的比例
12.3 均值和直方圖
12.4 一些例子
12.5 數據波動性
12.6 標準差和正態曲線
12.7 中心極限定理
12.8 樣本均值的波動
12.9 樣本均值的中心極限定理
第十三章 預測
13.1 相關性
13.2 回歸直線
13.3 均方根誤差
第十四章 回歸中的統計推斷
14.1 回歸模型
14.2 對於真實斜率的推斷
14.3 對於散點圖的重抽樣
14.4 預測的波動性
14.5 總結
第十五章 機器學習常用方法
15.1 回歸模型
15.2 分類方法
15.3 非監督學習——聚類