授课教师：王健楠 (清华大学计算机系) | 2026年春季学期
在本次期末大作业中，我们希望每位同学都能将自己视为一名真实世界的数据科学家。你们的目标是基于本课程所学的底层数据思维与系统能力，提出有价值的数据驱动问题，寻找合适的数据集，并实现一套完整的数据流水线来回答这些问题。
为了实现这一目标，请严格按照以下步骤进行：
本课程鼓励大家在项目全过程中合理使用生成式 AI 工具（如 ChatGPT、Claude、GLM、Cursor 等）辅助完成大作业，包括选题讨论、编程支持、文档润色和视频制作。
但请注意，AI 只是辅助工具，不能代替你本人对项目内容的理解和把关。期末项目的代码、报告和视频将公开发布在课程网站上，因此你需要对所有提交内容负最终责任。
1. 不要直接照搬：不得未经核实、理解和修改，直接提交 AI 生成的内容；
2. 代码必须讲得清：对于 AI 辅助生成的代码，你必须真正理解其逻辑，并能够在答辩中清楚说明；
3. 结论必须经得起推敲：对于 AI 辅助生成的文本、数据分析和结论，你必须自行核查其真实性、科学性和严谨性。
下表总结了期末大作业的核心任务节点。
| 编号 | 任务项 | 截止时间 | 任务要求 |
|---|---|---|---|
| 1 | 开题报告 | 2026年04月30日 | 提交项目选题及数据获取方案 |
| 2 | 中期汇报 | 2026年05月21日 | 课堂进行里程碑进度展示 |
| 3 | 最终汇报 | 2026年06月11日 | 课堂进行期末成果展示与答辩 |
| 4 | 最终提交 | 2026年06月17日 | 提交代码、视频和技术报告 |
为了评估你的项目选题是否优秀，请在确定题目时思考以下三个问题：
一个优秀的期末项目应该兼具重要性、挑战性，并且能够促使你主动学习未知的知识领域。
请注意，大作业的核心在于展示你们的数据基础能力。你需要对数据进行深度分析。这里的深度分析是指，你必须对分析结果进行深入和严谨的思考，并能够汇报出富有洞察力且绝对可靠的发现。
选择具有研究价值的数据驱动问题是成功的第一步。你的开题报告应包含以下四个部分：
1. 研究问题 (2分)
建议从以下三个方向中选择一个：
2. 使用的数据集 (2分)
必须使用真实世界场景的数据，严禁使用已经清洗好的“玩具数据集”。数据集的数量要求 2个及以上，以充分体现多源数据集成和处理的真实挑战。
3. 数据流水线设计 (2分)
简要说明计划如何使用这些数据集来解决提出的问题。方案中必须包含实质性的数据处理环节（如DataFrame操作、SQL 查询）。
4. 项目潜在影响力 (2分)
设想一旦该项目完成，它能产生什么实际影响。挑选出最核心的1-2点并将其写下来。
最终注意事项
你可以将这次汇报视为项目执行过程中的中期进度检查。汇报内容应包含以下四个部分：
1. 研究动机 (2分)
2. 相关工作 (2分)
3. 进度汇报 (6分)
4. 后续计划 (2分)
沟通表达考核 (8分)
沟通表达能力至关重要。请利用这次机会好好锻炼你们的学术表达能力。你需要用通俗易懂的方式向大家解释复杂的项目逻辑，并让听众对你们的工作产生兴趣。请在准备时问自己以下问题：
其它注意事项
课程最后将在课堂上统一进行期末成果验收与答辩。
以下是要求涵盖在 PPT 中的核心模块：
评分细则
1. 项目执行情况 (10分)
2. 汇报表现情况 (10分)
注意事项
代码库规范 (7分)
项目必须使用 Git 代码托管平台（如 GitHub）管理项目。在代码仓库的根目录下，请务必包含一份高质量的 README.md 文件，详细说明我们应当如何配置环境并实际测试你们的项目，以及代码走查时的注意事项。
技术总结报告 (7分)
期末需提交一份全面概述项目成果的最终报告。该报告字数要求不少于 2500 字，并严格遵循以下结构撰写：
成果演示视频 (6分)
请制作一段精炼、吸引人的视频来直观向大众推广你们的工作。视频请提交到bilibili, 具体要求如下：
你们可以从 KDD 2017 宣传视频 和 KDD 2018 宣传视频 中获取视频制作的灵感与思路。
材料统一提交
我们将在课程官方网站上展示大家的优秀成果。请各组在指定截止日期前，将：项目名称、项目摘要、完整版报告、代码库链接以及演示视频链接统一提交。
期待看到大家高质量的项目成果！
任何疑问，请随时在网络学堂论坛中交流。