Specification
本页目录· 5 条
Assignment 3：Report（17%）+ Feedback（3%）+ Presentation（10%）
Report - 17%Feedback - 3%Presentation - 10%How you will be assessed
- 界定问题、提供背景与意义、概述具体目标、分析业务领域及其价值创造、识别关键利益相关者及其收益、总结现有研究或业界方案、指出当前方法的空白，并论证项目的新颖性与潜在影响（本节可复用 Assignment 1 的内容）。
- 讨论潜在数据源并分析其特征（如 4V），根据数据的具体特征评估所需的数据处理与存储平台/软件/工具，或在项目扩展时考虑潜在的平台/软件/工具选项。
- 指定适用的数据分析技术与统计方法（如：决策树、回归树），说明选择理由并讨论预期的高层结果。
- 识别一个可用数据集并进行基础分析以展示项目可行性（使用 R，例如：详述数据集包含的信息/特征，分析数据集的基本特性等），并在最终报告的演示部分呈现分析过程与结果。
- 描述你在数据科学流程中使用的任何标准，以及本项目的数据治理与管理实践，例如：如何处理数据可访问性、安全性、机密性等关键问题，以及数据使用相关的潜在伦理问题。
- 批判性与创造性思维：提供有依据的论证与分析。
- 报告质量：结构、表达、语法与拼写的质量。
| Introduction, Related Work and Business Model（2%） 定义问题、提供背景和意义、概述具体目标、分析业务领域及其价值创造、确定关键利益相关者及其利益、总结现有研究或行业解决方案、强调当前方法中的差距，并证明项目的新颖性和潜在影响。 | 对项目进行深入而成熟的描述，包括问题、目标、业务领域、价值、利益相关者、空白与新颖性。 |
| Characterising and Analysing Data（3.5%） 讨论潜在数据源并分析其特征（例如，4V），并根据数据的具体特征评估数据处理和存储所需的平台、软件和工具，或者考虑项目未来扩展时的潜在选项（例如，平台、软件和工具）。 | 清晰展示数据来源、特征，以及数据处理与存储，并归类所使用的基础技术。 |
| Characterising and Analysing Data（3%） 详细说明适用于项目的数据分析技术和统计方法（例如决策树或回归树）。提供所选方法的理论基础，并讨论预期的高级成果。 | 对可用的数据分析类型与统计方法进行清晰而明确的分类。 |
| Demonstration（3.5%） 为拟议项目确定可用的数据集，并对已确定的数据集进行一些基本分析，以使用 R 证明项目的可行性（例如，详细说明数据集中包含的信息/特征，分析数据集的基本特征等），并在最终报告的演示部分报告分析过程和结果。 | 使用可用数据对项目进行清晰的演示与分析。 |
| Standard for Data Science Process, Data Governance and Management（1%） 描述数据科学过程中使用的任何标准，以及项目中数据治理和管理的实践，例如，如何解决数据可访问性、安全性和机密性等关键问题，以及与数据使用相关的潜在道德问题。 | 清晰描述标准、数据治理与管理。 |
| Think critically and creatively, providing justification and analysis（2%） | 跳出框架，创造或扩展新颖/独特的想法；提供成熟的批判性分析。 |
| Provide a good quality of report in terms of structure, expression, grammar and spelling.（2%） | 结构良好，行文流畅；恰当使用小标题与相关内容版块；遵循规格（如 |
How to Submit
对于本次提交，请将它们作为单独的文件提交：
- Your report (1 pdf file)
- Your presentation slides (1 pdf file)
- R codes for the demonstration section (1 RMD file)
FirstName_StudentNumber_Assignment3_report.pdf
FirstName_StudentNumber_Assignment3_slides.pdf
FirstName_StudentNumber_Assignment3_.pdf
请确保在报告中致谢/引用你使用的任何资源。你可能需要回顾 FIT 引用样式以熟悉本次评估的引用与参考文献规范；也可参考 demystifying citing and referencing 指南以获得帮助。
同时请确保你的提交能正确生成 Turnitin 相似度报告。若提交获得较高的 Turnitin 分数（例如超过 15%），学生可能需要就项目想法作出进一步说明；如未能提供充分解释，可能会对提交实施处罚。
缺席Presentation
无法参加第 12 周 applied class 进行展示的同学：
- 若你无法在原本分配的 applied class 中展示并希望参加另一节 applied class，请先联系你希望参加之课堂的导师，确认是否有额外名额可接纳你；若可以，你便可加入该课堂进行展示。由于教学团队容量有限，无法保证你因无法参加原课而一定能被调剂到其他课堂进行展示。
- 若你因有效的减轻情形（mitigating circumstances）无法在任何 applied class 中进行展示，则可录制并提交一段 4 分钟的视频（通过 YouTube 提交，同时提交幻灯片）。请注意：选择视频展示意味着你将失去 3% 的口头展示分以及 5% 的同行评审分，即若你无法进行口头展示，则展示（Slides + Verbal + Peer-review）最多仅能获得 2%。建议你采用屏幕录制的方式制作视频：对幻灯片进行4 分钟的屏幕捕捉，并通过麦克风同步讲解。你必须将视频上传至 YouTube（设置为不公开（unlisted），而非私密），并在 Moodle 提交时于幻灯片第一页提供 YouTube 链接。但不要在 Moodle 上直接包含你的视频文件作为提交内容。请查看详情，并在展示周前一周与讲师和导师确认。
Further advice on the assignment
- 务必仔细阅读上述作业说明。
- 项目应以数据为中心——理想情况下结合多源数据来构建你自己的项目，以解决现实问题。
- 项目应包含一个清晰的问题陈述：项目的目标/目的是什么？
- 明确传达项目的新颖性与收益：项目何以新颖？是否带来经济效益或社会公益？
- 报告需要“讲好一个故事”，足以说服他人“投资你的项目”以便将其真正落地。
- 尽量不要把项目做得过于宽泛。它应是一个可实现的数据科学项目。
- 尽可能多地阅读你所选主题的相关资料，以便描述项目的数据（与软件）需求。
- 明确说明项目的数据来源：
- 数据是否为专有？将如何采集？
- 若数据为公开数据，你应对其进行探索性数据分析（EDA）。
- 需要进行哪些预处理？在可用之前数据需要如何清洗/转换？可能需要哪些软件？预处理是否可以分布式