输出文件必须采用示例输出文件中展示的预定义结构和格式。
任何不符合规定结构和格式的输出文件提交，在 csv 文件（15%）这一项中将记为 0 分。
提醒：请确保输出文件具有正确的：
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| csv 文件（15%） | 总体准确率至少达到 95%；提交的文件必须符合要求的结构和格式 | 总体准确率至少达到 90%；提交的文件必须符合要求的结构和格式 | 总体准确率至少达到 80%；提交的文件必须符合要求的结构和格式 | 总体准确率至少达到 70%；提交的文件必须符合要求的结构和格式 | 总体准确率 低于 70%；或 提交的文件不符合要求的结构和格式 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| 数据处理技术（10%） | 报告展示了 |
| 报告展示了合理且大体正确的解决方案方法。方法中大部分正确包含了所有要求步骤（例如：正确使用输入输出函数、构建正确的正则表达式、提取正确信息等），任务中只有一些轻微错误，并且大体能够生成正确输出。 |
| 报告提供了解决方案方法。方法中包含了部分要求步骤（例如：正确使用输入输出函数、构建正确的正则表达式、提取正确信息等），但任务中存在一些较明显错误。 |
| 报告提供了解决方案方法。方法中只包含了少数要求步骤（例如：正确使用输入输出函数、构建正确的正则表达式、提取正确信息等），并且任务中存在一些重大错误。 |
| 报告没有提供解决方案方法；或 所提供的方法不包含任何要求步骤；或 所提供的方法整体存在严重缺陷。 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| 代码效率（5%） | 代码非常高效，经过优化，并且充分考虑了性能问题。 | 代码效率较高，仅需少量优化；大部分性能问题已被考虑。 | 代码可运行，但未优化；对性能问题的考虑较少。 | 代码可运行，但部分实现效率较低；性能问题考虑不足。 | 代码整体低效、未优化，并且忽略了性能问题。 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| 引言与结论（5%） | 报告具有写得很好的引言与结论，能够充分提供理解报告主要内容所需的信息，表达准确且有效。信息既简洁又精准，没有任何不必要内容。 | 报告具有写得较好的引言与结论，能够充分提供理解报告主要内容所需的信息，表达准确。但引言和结论中可能存在一些不必要或未经消化的信息。 | 报告具有可读性较好的引言与结论，能够提供足够的信息帮助理解报告主要内容。内容总体准确，但可能存在一些轻微错误。 | 报告具有可读的引言与结论，提供了一些准确的信息以帮助理解报告主要内容。 | 报告没有引言或结论部分；或 引言/结论中的内容大多不准确、有缺陷、与 A1 无关或不可读。 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| EDA 设计（5%） | EDA 设计组织良好，步骤逻辑清晰且合适，便于复现。 | EDA 设计包含了可复现所需的关键步骤。 | EDA 设计包含关键步骤，但解释和论证有限。 | EDA 设计仅遵循一般步骤，没有解释或论证。 | EDA 设计较差，缺少关键步骤，且没有解释或论证。 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| 发现（5%） | 有价值的发现被很好地筛选并展示，并配有恰当的解释与论证，且得到 EDA 方法所得结果和可视化的支持。这些发现与关键洞察和 ML 问题高度相关。 | 给出了有价值的发现，并提供了一些解释与论证，且有 EDA 方法所得结果和可视化支持。其中一些发现与关键洞察和 ML 问题高度相关。 | 给出了经过选择的发现，但解释和论证有限，并由 EDA 方法所得结果和可视化支持。 | 给出了发现，但缺乏认真筛选。只提供有限解释或论证，并附有部分 EDA 方法所得结果或可视化。 | 发现质量较低，且没有解释或论证。 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| 洞察与机器学习问题（20%） | 提供 10 个有价值且深入的洞察 和 5 个 ML 问题，并与 findings 有强关联。所有提供的洞察和 ML 问题都必须包含对研究领域或业务背景有重要贡献的关键因素。 | 提供 10 个有价值且深入的洞察 和 5 个 ML 问题，并与 findings 有强关联。大多数洞察和 ML 问题都包含对研究领域或业务背景有重要贡献的关键因素。 | 至少提供 8 个洞察 和 3 个 ML 问题，并与 findings 有良好关联。大多数洞察和 ML 问题都包含对研究领域或业务背景有重要贡献的关键因素。 | 至少提供 5 个洞察 和 3 个 ML 问题，并与 findings 有良好关联。大多数洞察和 ML 问题都包含对研究领域或业务背景有重要贡献的关键因素。 | 提供的少于 5 个洞察或少于 3 个 ML 问题与 findings 有良好关联；或 大量洞察和 ML 问题未能对研究领域或业务背景提供重要贡献。 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| 报告结构与讨论 | 报告具有恰当的章节与小节（例如：Introduction、…、Conclusion、Reference）。报告以科学写作方式完成，表达清晰，易于阅读。参考文献完整、与上下文相关、正确且准确。 | 报告具有恰当的章节与小节（例如：Introduction、…、Conclusion、Reference）。报告采用科学写作方式，但展示清晰度仍有提升空间。参考文献完整、与上下文相关、正确且准确。 | 报告包含关键部分。内容总体符合科学写作风格，但存在一些轻微错误和缺陷。部分解释或论证不足或不准确。参考文献总体与上下文相关且正确。 | 报告包含关键部分。内容可读，但存在一些较大错误、写作问题或缺陷。解释或论证通常不足或不准确。 | 报告没有任何章节/小节，整体缺乏组织。内容大多缺失，或存在重大错误、写作问题或缺陷。解释或论证大多缺失或不准确。 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| 展示质量（清晰度与组织）（5%） | 展示时长在 8–10 分钟之间。展示非常清晰、组织严密、易于跟随。 | 展示清晰且有条理，只有少量可改进之处。 | 展示总体可理解，但仍有较大的改进空间。 | 展示有一定可理解性，但缺乏组织性或内容衔接。 | 展示整体不清晰、组织混乱，难以跟随。 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| 内容覆盖（10%） | 全面且详细地覆盖分析的所有关键方面，并且能够筛选、总结并删除不必要内容，从而形成高效的展示。 | 全面且详细地覆盖分析的所有关键方面。 | 覆盖了分析中的所有基础内容及部分关键方面，但在一些重要部分仍缺乏细节。 | 覆盖了分析的基础方面，但在重要/关键细节上大量缺失。 | 未能覆盖分析的关键方面，或缺少大量重要细节，或无法有效传达内容。 |
| 评分项 | HD | D | C | P | F |
|---|---|---|---|---|---|
| 反思与讨论（10%） | 学生能够对其选择方案及全部数据分析进行反思，并清晰讨论分析的局限性，指出所有需要的改进。所有反思与讨论都建立在扎实证据和结果基础上。所有提出的改进都合理，并且对研究领域或业务背景具有重要贡献因素。 | 学生能够对其选择方案及大部分数据分析进行反思，并较清晰地讨论分析的局限性，指出一些需要的改进。反思与讨论大体建立在扎实证据和结果基础上。改进建议合理，并且对研究领域或业务背景有一定贡献因素。 | 学生能够对其选择方案及部分数据分析进行反思，并对局限性作出一些讨论。反思与讨论大体建立在扎实证据和结果基础上。 | 学生能够对其选择方案和数据分析进行一定反思，并对局限性作出一些讨论。 | 学生无法对其选择方案和数据分析进行反思；或 反思/讨论与提交内容无关；或 学生表现出不理解所提交内容（代码/报告/视频）的迹象。 |
| 评分项 | 要求 |
|---|---|
| 生成式 AI 工具声明与记录 | 团队中的每一位成员都应签署并提交所要求的 Gen AI 声明；如果适用，还应在作业提交中附上 AI 对话记录。未提交所要求声明的学生将被扣分。 |
课程目录