《数据科学导论》课程系统性地介绍了数据科学的核心理论与应用实践。课程从基础理论出发，涵盖数据科学的定义、发展、原则及职业角色；进而探讨其关键技术方法，包括统计学与机器学习的应用；详细讲解数据项目的完整流程，如数据处理、可视化与项目管理；最后，以R语言为工具，教授从数据处理到机器学习建模的实战技能。本课程旨在构建完整知识体系，培养利用数据解决实际问题的能力。

视频课程目录：
1. 数据科学基础理论
2. 技术方法专题（统计学、机器学习）
3. 流程与技术（数据处理、可视化、项目管理）
4. R语言实战（编程、数据分析、机器学习）




├─{01}--数据科学基础理论
│ (1.1)--Chap0DS课程说明(2).ppt
│ (1.2)--1.2DS的定义(1).ppt
│ (1.5)--1.6DS的基本原则(zixue).ppt
│ (1.6)--1.8数据科学家.ppt
│ [1.1]--数据科学导论样片-1.mp4
│ [1.2.1]--1.2ds的定义.mp4
│ [1.2.2]--1.2ds的定义下.mp4
│ [1.3]--1.3DS的发展简史.mp4
│ [1.4]--1.4ds的理论体系.mp4
│ [1.5.1]--1.5ds的基本原则.mp4
│ [1.5.2]--1.5ds的基本原则下.mp4
│ [1.6]--1.6数据科学家.mp4
│
├─{02}--数据科学应用的技术方法专题
│ │ #2.3#--图文.pdf
│ │ (2.2)--2.2+R的数据.ppt
│ │ (2.3)--2.3机器学习与数据科学.ppt
│ │ [2.1]--2.1数据科学的学科地位.mp4
│ │ [2.2]--2.2统计学与数据科学.mp4
│ │
│ └─{03}--机器学习与数据科学
│ │ [2.3.1]--2.3机器学习与数据科学.mp4
│ │ [2.3.2]--2.3机器学习与数据科学下.mp4
│ │
│ └─{02}--机器学习算法——K-Means算法
│ [2.3.2.1]--Kmeans.mp4
│
├─{03}--流程与技术
│ [3.1]--3.1基本流程下.mp4
│ [3.2]--3.2数据加工(1).mp4
│ [3.3]--3.3数据审计.mp4
│ [3.4]--3.5数据可视化.mp4
│ [3.5]--3.6数据故事化.mp4
│ [3.6]--3.7数据科学项目管理.mp4
│
└─{04}--R语言
│ [4.1]--4.1R简介.mp4
│ [4.2.1]--4.8R语言编程入门-01.mp4
│ [4.2.2]--4.8R语言编程入门-02.mp4
│ [4.3]--4.2R的数据-02.mp4
│ [4.4]--4.3R中的数据输入输出.mp4
│ [4.5.1]--4.4-01R的函数.mp4
│ [4.5.2]--4.4-02R的函数.mp4
│ [4.6]--4.5基于R的线性回归分析.mp4
│ [4.7]--4.6.2基于R的机器学习_x26.mp4
│ [4.8]--4.7R语言预处理之缺失值问题.mp4
│
└─{07}--基于R的机器学习
[4.7.1.1]--4.6.1.1基于R的机器学习_x26.mp4
[4.7.1.2]--4.6.1.2基于R的机器学习.mp4