BUSS6002 2026S2 ｜一学期路线、一个撑起后半学期的公式和一条复习捷径

BUSS6002 讲的是怎么用数据做商业决策，从判断眼前的问题该用哪类分析起步，一路做到回归、分类和大数据下的优化。我先把话放在前面：这门课七成的分数，看你在没有 Python 的考场上能自己算出多少。Mid-semester exam 占 25%、Final exam 占 45%，两场都是闭卷，AI 明确禁用；允许用 AI 的只有 Week 12 那份 30% 的 Individual assignment。三个考核全是个人任务，没有小组分，也没有周测帮你慢慢攒分，某一次失手就得在剩下两次里补回来。

🗺️ 一学期会经历的四段路

先把有教学内容的这十一周摆开看。按内容的转向，它们大致能切成四段，每段在解决的问题都不一样。四段之间的跨度并不平均，有的地方连着走两三周才换一次话题，有的地方一周就换一副面孔，跟课的节奏感基本由这个决定。

阶段	这几周在处理什么
Week 1–3	建立商业语言：大数据 4V、数据驱动决策、四类分析能力、变量类型与 EDA。Workshop 同步把 Python 从 print、列表、循环一路写到 pandas 读表
Week 4–6	上数学台阶：向量与内积、K-means 三步迭代与肘部法则、矩阵与最小二乘回归
Week 7–9	把模型喂饱，再检查它靠不靠谱：对数变换、哑变量、交互项，分类与逻辑回归、混淆矩阵，偏差-方差分解与三分数据集
Week 10–11	掀开底层，再扩到大数据：用最大似然重新解释最小二乘、梯度下降，Wide 与 Tall data、Big-O、SGD 与分治回归

Week 12 的 Lecture 是 Assignment Focus Session，Week 13 是 Revision。

坡度出现在 Week 4。前三周几乎没有推导，Week 4 起连续三周是向量、矩阵和最小二乘，而 Week 7 的期中考覆盖大约前半学期，正好压在这三周刚讲完的位置，一小时，闭卷，手算。所以精力怎么分配也就清楚了，Week 4 到 Week 6 值得比前三周多花不少时间，那三周的手感会直接决定期中考那一小时顺不顺。手感这个说法再落实一点，就是内积、簇心迭代、系数求解这几件事，你能不能不翻笔记直接往下写。前三周的框架名词考起来还能靠理解现补，这三周的计算只能靠动手次数堆出来。

📌 还有一条排布，开学前知道会省事很多。Week 7 到 Week 12 的 Workshop 做的是上一周 Lecture 的主题，这半个学期你每周同时压着两份东西，当周新讲的理论，加上周理论的代码实现。另外 Week 11 的 Big Data Solutions 在周历里没有配套 Workshop，它进期末考的路径只有 Lecture 和 Revision。