必修课 - FIT5145
Introduction to Data Science
课程概况：
学习数据科学背景知识，python语言，R语言，Linux的一门课，Lecture和作业没有关系，考试考的是百科知识。
作业概况：
Ass1是用python代码写一些题目，配合自己对题目理解加一些文字性的叙述，没有什么高难度。
Ass2是个report，写一些自己对于数据在实际生活中的应用，例如墨尔本的水利系统如何利用处理等。
ass3是个会用到linux和r回答一些题目，也不是很难，类似于ass1的形式，加上个人对答案的理解。
是否有用：
python和r学个入门，不能说有用的课吧，在代码和report中游走能大概有个数据应用的逻辑思维。
考试概况：
相对简单，没有很超纲，考试复习sample很重要，考试没有代码题，都是些common sense和结合概念举例子。
温馨提示：
都是个人作业，tutorial的代码很有用记得看，好过的课，也是monash比较火的课。
必修课 - FIT5196
Data Wrangling
课程概况：
这门课学的是数据预处理，用的语言是PYTHON。总共有4个GROUP ASSIGNMENT，2人一组，全部是CODING，没有考试。
作业概况：
一共4个assignment：
ASS 1: 用REGULAR EXPRESSION 在不同类型的文本中提取数据。(25%)
ASS 2: 文本预处理 (25%)
ASS 3: 数据清理 (30%)
ASS 4: 数据合拼 (20%)
是否有用：
DATA SCIENCE 必学技能之一，一个DATA SCIENCE 项目有80% 以上的时间都在做DATA WRANGLING。这门课是MDS 的必修课程。
温馨提示：
由于这门课没考试，ASSIGNMENT 的工作量都比较大，特别是ASSIGNMENT 3，没一个星期写都写不完。如果同学可以免修MAT9004，建议把FIT5197 跟这门课分开来学，在第一个学期先把FIT5197 完成。
选修课 - FIT5201
Machine Learning
课程概况：
教材用的是Alexandria上面Reza写的Machine Learning，学的都是一些比较入门的算法，用R来实现。
作业概况：
代码量不是很多，更多的形式是补全代码。六个online quiz，都是教材上有的内容，基本算是送分（9%）。
coding题 25%
coding题 16%
这门课不好拿高分。
是否有用：
依然是偏传统机器学习，但是一个module 介绍神经网络，属于基础向的机器学习基石，推导内容更接近5197。跟5149相比更深，但是考察相比而言简单。
考试概况：
考察范围比较广，但是较为简单。
温馨提示：
这门课要用到微积分，有不少数学推导，数学不是很好的同学慎选。
想了解更多可以私信我

你好啊楼主，我是21年3月的MDS新生，请问有新生群，或者可以加你的微信吗，我的微信是TrumanBigBrain，谢谢！