数据科学

数据科学与机器学习板块。从数据中学习模式 / 模型 / 决策策略的算法侧课程。

定位：BDMA 核心方向之一。输入是数据，输出是模型或洞察。与大数据板块（系统/平台/治理）和优化决策板块（求最优解）有清晰边界。

课程列表

课程	状态	备注
数据挖掘	计划纳入	经典挖掘范式 + 关联规则 / 聚类 / 分类
机器学习	计划纳入	监督 / 无监督 / 半监督
深度学习	计划纳入	神经网络从 MLP 到 Transformer
强化学习	计划纳入	MDP / DP / TD / 策略梯度
数据可视化分析	计划纳入	数据→洞察的"表达"阶段

板块边界判定原则

当一门课的核心目标是"从数据归纳出模型或洞察"，归本板块。

• 强化学习虽然本质是求解 MDP（与最优化同根），但"学习"这件事更核心 → 归数据科学
• 数据可视化分析是数据洞察的最终呈现 → 归数据科学，不独立成块
• 不归大数据：大数据板块关注怎么"存、算、管"数据；本板块关注怎么"学"数据

开新课程笔记的目录结构

docs/ds/
└── <course-slug>/        例如 ml/、deep-learning/、rl/
    ├── index.md
    └── ch01.md ... chN.md