2021课程大纲

[chengjun]

1. 第一讲 计算传播学导论

• 讲解：
  • 计算传播学导论
  • 课程简介
• 作业：制作个人网页

2. 第二讲 数据科学编程工具

• 讲解：数据科学编程工具
• 作业：《理想国》文本挖掘

3. 第三讲 大数据的十个特点和研究策略

• 学生分组
• 讲解：大数据的十个特点和研究策略
• 阅读材料：Bit by Bit: Chapter 2. Observing behaviors

4. 第四讲 数据获取（一）

• 讲解 数据获取、使用requests和beautifulsoup
• 课堂练习、作业：抓取事实核查数据
• 阅读材料：
  • 数据获取
    • 更多信息
• 延伸：American Time Use Survey — 2020 Microdata Files

5. 第五讲 数据获取（二）

• 讲解：使用Selenium操纵浏览器
• 课堂练习：使用Selenium提取人民网搜索数据
• 作业：抓取历届政府工作报告

6. 第六讲 数据清洗 2021-11-08

• 讲解：
  • 按Chunk读取大数据
  • 清洗推特数据
• 课堂练习按Chunk读取大数据
• 作业：按Chunk读取大数据并提取转发网络

7. 第七讲 提问与因果之书 2021-11-15

• 讲解：
  • Bit by Bit 03-01-asking-questions
  • 因果之书&Dowhy
• 作业：因果之书&Dowhy

8. 第八讲 统计思维、梯度下降、Statsmodels使用 2021-11-23

• 讲解：
  • 统计思维

9. 第九讲 机器学习 2021-11-30

• 讲解：机器学习 上

10. 第十讲 机器学习 2021-12-07

• 讲解：机器学习 下

11. 第十一讲 文本挖掘 2021-12-14

• 讲解：文本挖掘

12. 第十二讲 网络科学 2021-12-21

• 讲解：网络科学

Bit by Bit: Social Research in the Digital Age

• https://nbviewer.jupyter.org/format/slides/github/SocratesAcademy/css/blob/master/notebook/02-01-observing-behaviors.ipynb
• https://nbviewer.jupyter.org/format/slides/github/SocratesAcademy/css/blob/master/notebook/03-01-asking-questions.ipynb
• https://nbviewer.jupyter.org/format/slides/github/SocratesAcademy/css/blob/master/notebook/03-02-causality.ipynb
• https://nbviewer.jupyter.org/format/slides/github/SocratesAcademy/css/blob/master/notebook/03-02-experiment.ipynb

写作是门手艺

• Notebook https://nbviewer.jupyter.org/github/SocratesAcademy/craft/blob/main/The-Craft-of-Writing.ipynb?flush_cache=true
• Slides https://nbviewer.jupyter.org/format/slides/github/SocratesAcademy/craft/blob/main/The-Craft-of-Writing.ipynb#/

行业诀窍 Tricks of the Trade

• Notebook https://nbviewer.jupyter.org/github/SocratesAcademy/tricks/blob/main/tricks.ipynb
• Slides https://nbviewer.jupyter.org/format/slides/github/SocratesAcademy/tricks/blob/main/tricks.ipynb#/

2020年课程大纲

序号	课时名称	操作
1	计算传播学&课程简介	查看 编辑 删除
2	Bit by Bit: Observing behaviors	查看 编辑 删除
3	Bit by Bit: Asking Questions	查看 编辑 删除
4	Bit by Bit: Conducting Experiments	查看 编辑 删除
5	数据科学编程工具python简介	查看 编辑 删除
6	数据抓取: 使用requests和beautifulsoup	查看 编辑 删除
7	数据抓取：selenium & 网易云音乐抓取	查看 编辑 删除
8	大数据处理与推特文本清洗	查看 编辑 删除
9	统计思维：均值、回归、因果推断	查看 编辑 删除
10	机器学习基础、Sklearn、模型评价、特征工程	查看 编辑 删除
11	机器学习算法：朴素贝叶斯、回归分析、支持向量机、随机森林	查看 编辑 删除
12	神经网络模型基础+手写数字识别pytorch实现	查看 编辑 删除
13	神经网络模型进阶：CNN&RNN等	查看 编辑 删除
14	文本挖掘基础：词袋模型 + 情感分析	查看 编辑 删除
15	推荐系统：协同过滤&Surprise实现