點擊上方“藍字”，關注最適合你的學習咨詢

前言

1、課程難度因人而異，課程作業也可能每學期變動，所以大家結合個人實際情況參考借鑒。

2、本指南系列只描述了比較最主流的課，冷門課程資訊希望大家留言，我們盡力解答。

3、持續關注我們文章，應該是市面上最全的選課指南。

4、2020屆的學生應該是只能選修course map之外的一門選修課，所以大家選課的時候別太嗨了，注意政策改動！！

5、一定不要著急選課，開學后很大概率你不喜歡你選的tutor，即使是個黃金時間，給你錢你也要換課。所以沒選到好時間沒關系，選老師 + 選興趣最重要！

6、DS選課指南沒有提到的課請打開其他IT/BIS借鑒

必修課 - FIT5145

Introduction to Data Science

課程概況：

學習數據科學背景知識，python語言，R語言，Linux的一門課，Lecture和作業沒有關系，考試考的是百科知識。

作業概況：

Ass1是用python代碼寫一些題目，配合自己對題目理解加一些文字性的敘述，沒有什么高難度。

Ass2是個report，寫一些自己對于數據在實際生活中的應用，例如墨爾本的水利系統如何利用處理等。

ass3是個會用到linux和r回答一些題目，也不是很難，類似于ass1的形式，加上個人對答案的理解。

是否有用：

python和r學個入門，不能說有用的課吧，在代碼和report中游走能大概有個數據應用的邏輯思維。

考試概況：

相對簡單，沒有很超綱，考試復習sample很重要，考試沒有代碼題，都是些common sense和結合概念舉例子。

溫馨提示：

• 都是個人作業，tutorial的代碼很有用記得看，好過的課，也是monash比較火的課。

必修課 - FIT5196

Data Wrangling

課程概況：

這門課學的是數據預處理，用的語言是PYTHON。總共有4個GROUP ASSIGNMENT，2人一組，全部是CODING，沒有考試。

作業概況：

一共4個assignment：

ASS 1: 用REGULAR EXPRESSION 在不同類型的文本中提取數據。(25%)

ASS 2: 文本預處理 (25%)

ASS 3: 數據清理 (30%)

ASS 4: 數據合拼 (20%)

是否有用：

DATA SCIENCE 必學技能之一，一個DATA SCIENCE 項目有80% 以上的時間都在做DATA WRANGLING。這門課是MDS 的必修課程。

溫馨提示：

• 由于這門課沒考試，ASSIGNMENT 的工作量都比較大，特別是ASSIGNMENT 3，沒一個星期寫都寫不完。如果同學可以免修MAT9004，建議把FIT5197 跟這門課分開來學，在第一個學期先把FIT5197 完成。

選修課 - FIT5201

Machine Learning

課程概況：

教材用的是Alexandria上面Reza寫的Machine Learning，學的都是一些比較入門的算法，用R來實現。

作業概況：

代碼量不是很多，更多的形式是補全代碼。六個online quiz，都是教材上有的內容，基本算是送分(9%)。

coding題 25%

coding題 16%

這門課不好拿高分。

是否有用：

依然是偏傳統機器學習，但是一個module 介紹神經網絡，屬于基礎向的機器學習基石，推導內容更接近5197。跟5149相比更深，但是考察相比而言簡單。

考試概況：

考察范圍比較廣，但是較為簡單。

溫馨提示：

• 這門課要用到微積分，有不少數學推導，數學不是很好的同學慎選。

選修課 - FIT5149

Applied Data Analysis

課程概況：

這門課學的是如何運用一些AI 的算法，跟FIT5201 有很多重復的課題。語言是PYTHON / R.

作業概況：

ASS1 是一個傳統回歸模型，主要是課堂上介紹的關于R 的線性回歸模型的實踐，以掌握方法論為主(15%)。

ASS2 是一個文本相關的kaggle competition，組隊完成，評分根據模型表現和report質量。不管是kaggle 比賽還是report 都很有鍛煉價值(25%)。

是否有用：

由于這門課有大部份課題跟FIT5201 重復，感覺給2門的錢，只學到1.5門的東西。跟5201比起來更寬，更應用，沒有理論推導。

考試概況：

期末復習一定要把ISLR的對應章節的理論習題給做一遍；kaggle 想拿高分基本要用deep learning方法。

溫馨提示：

• 盡量跟著學校進度走，老師給分還是蠻大方的

• TUTORIAL 一定要上，老師會拿以往得HD 的作業跟大家分享。ASSIGNMENT 2 的隊友可以在不同的TUTORIAL，一定要慎選。作業量比較大，如果想拿HD，這個作業一定要用DEEP NEURAL NETWORK，但是這門課不教。FINAL 主攻ISLR 的課后練習題。

必修課 - FIT5147

Data exploration and visualization

課程概況：

介紹前端知識，清洗數據需要注意的地方，用R/Tableau實現數據可視化，做一些交互設計。

作業概況：

作業由三部分構成

第一個作業是3 個小作業，分別是Tableau，R和D3。

第二個作業project 1 需要自己找data，然后進行data cleaning，data wrangling，最后用R/Tableau實現visualization。

第三個作業project 2 在project 1基礎上，使用D3/R實現interactive visualization。

是否有用：

對以后想從事數據分析或者WEB前段開發的同學有一定幫助。

溫馨提示：

• Project2想用D3的同學需要事先了解學習一下Javascript不然很痛苦。

選修課 - FIT5202

Data Processing for Big Data

課程概況：

利用Spark進行分布式大數據處理(50%) 以及利用Spark進行Machine Learning(50%)。這門課程在去年進行課改之后，主要偏向于Spark的實際應用，對接觸過Pandas和部分機器學習內容的小伙伴是非常友好的一門課程。

作業概況：

以去年為例：

• Assignment1，利用Spark進行各種數據處理。

• Assignment 2， 利用Spark進行一個簡單的天氣預報建模(直接使用Spark內建的模型)。

PS：作業均為獨立作業

是否有用：

適合對分布式大數據處理和機器學習入門感興趣的同學。難度不算特別高，去年給分整體比較良心，但是對編程能力有一定的要求。由于課程偏向于實際應用，對找數據科學相關工作有很大的幫助，畢竟現在很多數據公司都開始使用Spark對大數據進行清洗，預處理和部分建模。

考試概況：

手寫部分Spark代碼，基本都是幾行的內容。以及手算部分模型和優缺點(類似FIT5197，但是難度低一點點)。

溫馨提示：

• 多做research自學，對知識廣度要求還蠻高的

必修課 - FIT5197

Modeling for Data Analysis

課程概況：

最開始學概率論相關的知識點，還有一些分布(例如高斯、伯努利和泊松分布等)，接下來是算熵；然后就會學習統計學的知識如Confidence Intervals和Hypothesis Tests；最后就會涉及一些建模，如線性回歸、幾種分類器和采樣模擬等；總得來說這門課要學的內容很多，需要有良好的數學基礎；

作業概況：

這門課感覺每周都在寫assignment，一共有三個assignment：

• 第一個Assignment分成6部分，有點像weekly test，每部分3到5題不等；

• Assignment2和3都屬于大作業，作業難度中等偏上；

是否有用：

統計學和概率論的知識在數據分析中是非常非常重要的，如果你的大學數學知識都忘光了，之后也想從事數據分析工程師的工作，特別有用！

考試概況：

這門課的期末考試需要十分認真對待，考試的內容非常多，計算量十分龐大，通常很少人能寫完，所以考試難度我認為是非常難的，題目都是大題和計算題，

溫馨提示：

• 平時上課好好認真對待，多花時間在這門課上，其實也沒那么可怕。

選修課 - FIT5212

Data analysis for semi-structured data

課程概況：

這門課學的是如何處理半結構化的數據的，內容分為NLP + recommendation system。

作業概況：

作業完成不是很難，因為code基本上都在tutorial提供了，照葫蘆畫瓢。但是想要得高分需要做很多research。老師的評分標準是希望看到大家如何開發東西的流程，并且體現在report里面：

• 第一個作業是做topic modelling + paper abstract classification。

• 第二個作業是recommendation system + node classification

是否有用：

我覺得取決于你對這個技術是否感興趣，比如第一個作業是對比nn方法 一個非nn的方法，學生沒有nn的coding基礎就會學習的比較艱難，需要research很多東西，感興趣的話這門課還是挺有意思的能學到很多之前沒接觸過的知識。

考試概況：

平時理解了每周的知識點，考試不至于什么都不知道，注意做題的速度即可。

溫馨提示：

• 需要自學蠻多東西，對于研究型學術感興趣的同學比較推薦。這門課的作業對于學習中等或者沒有很用心的同學來說鑒別度不高，因為你跟著tutorial的code就能完成大概七八十。Wray教的東西不太適合學生理解，Shirui的口語比較拙計，重點講的不是很透徹。

更多DS專業學習信息

歡迎Monash IT學院Data Science的學生聯系后臺尋找組織。可以獲取最更多與你相關的DS的學習經驗。同時你也可以看到其他同學在討論什么熱點內容～

往期精彩文章??

【收藏】在墨大讀IS，人人都擁有這樣一份選課指南

【收藏】在Monash讀BIS，人人都擁有這樣一份選課指南

在Monash讀IT，人人都擁有這樣一份選課指南

如果你覺得文章對朋友有用就告訴他～

總結

以上是生活随笔為你收集整理的python选课系统_【精选】在Monash读Data Science，人人都拥有这样一份选课指南。的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。