IS6400 - Business Data Analytics
授课教师:
课程目标
The course aims to teach students the process, models, and tools for data analysis and analytics in business, such as in finance, marketing, etc.
The course will teach students the practical skills to employ software packages (such as spreadsheets and Python) and apply necessary packages (such as scikit-learn, statsmodels, tensorflow, etc.) to analytical framework and tackle business data analysis problems for corporation manage and decision making. On completion of the course students should be able to
(a) understand the target and requirements of a selection of critical business data analysis problems.
(b) manage the statistical techniques and machine learning models for data analytics.
(c) implement the models into a programming language, such as Python, and adapt the models through Python packages, and
(d) analyze and interpret the outputs of models to support decision making in finance, marketing, accounting, etc
课程考核
来自考核文件
实际考核内容应当以教师在课程中公布为准，此处仅为参考
| 平时性考核 | 最终考核 | ||
|---|---|---|---|
| 课堂表现与个人作业 | 30% | 期末考试 | 40% |
| 小组项目 | 30% | ||
课程考核文件链接：IS6400
课程评论（选自2022版选课心得）
- 课程实用性很高，这学期代码部分是用python完成的。两位老师都很nice，课程内容详实。Junming的课主要是机器学习部分，有的同学A学期有所涉及所以会比较好理解。
- zhiya的课主要是讲时间序列部分，如果想学透彻课下还是要多下功夫。 平时分给的很高，考试开卷的话非常难，平常的代码要非常熟悉，但是最后总体打分也还不错。
- project多挑大公司的背景写在简历上会有加分，有问题的地方也可以多和老师讨论，两位老师回复都非常及时并且详细，以后想做BA的同学非常推荐！
数据分析岗位
课程评论（2023版）
（Tracy & Liu Junming）两位老师都非常认真，这门课学下来还是很有收获的。代码主要在平时作业和大作业进行考察，期末大多是考察原理理解，即使代码基础弱，老师也不会难为人。
——七七 FIT
课程内容承接IS5740，学习基于python的初级统计学习方法，包括计量、数据分析和机器学习，对有基础的同学而言没有难度，对有基础的同学而言，也可以通过老师的授课安排基本掌握数据分析的流程，且不需要掌握太多的算法原理（当然还是建议多多了解）。两位老师分别教计量和机器学习，都很和蔼，授课水平不错。2022级闭卷考试考了掉包代码，结合2021级的考卷，个人认为考点不会超出授课内容，重在对内容的理解，比如对算法逻辑上的理解（不是数学原理上的），如何使用算法等。
——如来了吗？如来嘛！ FIT
老师：YANG Cenying; LIU Junming。两个老师负责不同的课程内容，都很专业和负责。英语发音挺标准的。
课程内容：每堂课分成两大块——PPT的专业知识和Python软件教程（python不会从零教起，没学过python的最好在上学期学下前置课程python programming）。十一章，最后一章机器学习不考，每章40-70页不等。对于想学习数据分析技能的同学，这应该是必备课程了。
期末考试：闭卷，一面cheating sheet。考了个ridge和lasso公式，还考了不少代码（但是只要背实际建模的前两行，让老师知道你会调用哪个library就行，老师考前还会提前说的）。其他的就是数据分析常规内容啦，指标解释什么的。
平时作业：前前后后大概六七个assignment，都是用python完成的，都是关于数据分析的，很实用，会影响到finalscore。
点名：印象里没点过名。会有随堂quiz当点名（也很少）。
个人推荐指数：对于要学习数据分析的人来讲，满级五颗星
——Zoie FIT
主要运用python进行数据分析，本科非计算机专业也能跟上老师的进度。平时一共有8次python作业，期中选代表进行一个项目介绍，期末全员pre并提交project。期末闭卷但是可以携带一页A4纸的知识点梳理，题型是知识点加代码，整体难度不大，建议选这门课。
——六元 FIT
Tracy和Junming上课，平时不签到，但会1-2次课堂quiz，平时需要完成课后作业，大概两星期一次作业。小组项目选择数据集进行分析，期中期末都需要汇报，期末考试可选闭卷考卷*，闭卷难度小，开卷难度大，我们是闭卷考试，纸笔考试，不是上机代码，难度不大，会涉及一些比较简单的代码题目，最后老师给分也还可以。
*编者注：课程开始前几周，此课程会面向全班征集意向用以确定开展开卷或闭卷考试。
——Cynthia FIT
个人认为对构建数据商业分析的思路和整体观非常有帮助（这可能需要小组里面有一个相关经验的人带着会对完成project更有帮助）。但是教授讲课节奏非常快，对于原理和数学的讲述会比较掠过，主要关注在建模后数据呈现的结果。如果想从事类似工作的同学，可以在教授每讲一课知识点后照着youtube或者b站加强学习。关于final，不能太指望one side cheat sheet，还是要每周学习掌握。
——胡老ber MIS
两位老师授课，上课内容充实，每节课后都有assignment。
对于没有Python基础的同学来说有些困难；对于有一定Python基础并且有数据分析能力的同学来说比较容易：对于熟练掌握Python并且擅长数据分析的同学来说，这是一门让你查漏补缺的课程。
总体来说比较推荐，平时分给的大方，期末考试难度适中。
——Lex FIT
Python数据分析基础课程，对于统计学略有要求（但是依然不高），上课流程基本上为前半截课学习模型内容，后半截课进行Tutorial，每周一次作业，对于本科学习过相关技能的同学，花心思研究一下老师的授课与作业文档，这学期可以帮助你精进技艺。
这门课由两个老师共同承担教学，Tracy负责的是时间序列模型部分，从最简单的线性回归讲到指数平滑; Junming则会从描述性统计开始讲起，一直讲到模型评估（整套BDA流程），最后加一点小小的人工智能（上过6335的同学会再看一遍这堆活）。这门课程所用的教材非常好，建议课下多花时间阅读，大有脾益。
Project与IS5740相似但是更为高阶，贴近现实中的DA岗位工作（当然强度不敌），非常建议花心思好好做一做，以参加数分竞赛为动力去做Project也是可以的，但是一定要给自己留好保底产出（老师们也会持续开放Project咨询，防止项目流产影响成绩）
期末考试依旧不难（前提是你上课好好学作业是自己写的），闭卷考试不要太指望一页CheatSheet能承载的东西能让你抄的多舒服，对内容不熟悉的话，现找是根本来不及的。
——AvalonC FIT
课程内容：该课程是由两位内地老师（杨岑莹（Dr. YANG Cenying）& 刘俊铭（Dr. LIU Junming））进行教授的，课程内容主要围绕用Python结合统计学知识进行商业分析。
课程难度：难度较难，进阶版的5740课程，里边除了讲述了机器学习的框架以外，对于一些方法的数据处理过程也给出了细化的方法，而这些方法都是相对较抽象且难的，需要有一定的统计学知识才较好理解。
考核方式：上课考勤+回答问题+小组项目+个人作业+线下闭卷考试（可以带一页单面A4纸进考场）。
就业帮助：讲解的所有统计学知识在现实工作中做数据分析都有可能会碰到，尤其是一些数据本身的问题以及解决路径。
——熊 MIS