QBUS2810 26S1｜考试不考Python代码——但考你能不能解释Python跑出来的每一个数字
📝 写代码的和懂代码的，Final会分出来
QBUS2810 的两场考试（Mid-term 30% + Final 35%）都明确写了 "will not require students to write or develop Python code"。很多人看到这句话松了一口气——不用写代码，那是不是背背概念就行了？
不是。考的是 "discuss and interpret Python statistical output"。意思是给你一段 Python 跑出来的回归结果，你要能说清楚：这个 coefficient 0.73 意味着 X 每增加一个单位 Y 平均增加 0.73，p-value 0.02 意味着在 5% 显著性水平下这个变量是显著的，R² 0.85 意味着模型解释了 85% 的变异——但更关键的是，你要能判断这些数字在商业决策里意味着什么。
💡 从 SLR 到 Splines：6个月的进化压缩到13周
| Week | 主题 | 你需要理解到什么程度 |
|---|---|---|
| 1-3 | Correlation → SLR | 基本回归、假设检验 |
| 4-6 | SLR Inference → MLR | 从一个变量到多个变量 |
| 7 | Mid-term | 到这里为止，还是 QBUS1040 的升级版 |
| 8-9 | Categorical + Linear Algebra | 🔴 数学门槛陡升 |
| 10 | Transformations | 变量不是线性的怎么办 |
| 11 | Polynomial + Splines | 更灵活的拟合方法 |
| 12 | Model Selection | 模型太多选哪个 |
| 13 | Outlier + Leverage | 哪些数据点在搞事 |
Week 1-7 是暖身阶段——内容跟 QBUS1040 的衔接很顺畅，每周一个核心概念，有时间消化。Week 8 开始画风突变：Linear Algebra 视角的引入意味着你之前用 "一个Y一个X" 理解的东西，现在要用矩阵重新理解一遍。这不是多学一个工具，是换一套底层语言。
Week 11 的 Regression Splines 是这门课的技术天花板——它要求你理解为什么普通多项式拟合会在边界处 "抖动" (oscillation)，以及 spline 通过分段函数加 knot 约束是怎么解决这个问题的。Final 如果出到 spline 相关的 interpretation 题，你光知道 "spline 比 polynomial 好" 是不够的，得说清楚为什么好、好在哪。
🎬 Group Project 是 Final 的开卷预演
Group Project 占 30%，允许 AI，Week 13 截止。要求是一份包含 executive summary 的 professional report。
这个设计很巧妙：Group Project 让你在有 AI 辅助的情况下完成一次完整的数据分析流程，Final 再让你在没有 AI 的情况下证明你理解了这个流程。
| Group Project | Final Exam | |
|---|---|---|
| AI | ✅ 允许 | ❌ 禁止 |
| 形式 | 写报告 | 解读输出 |
| 考察 | 完整分析流程 | 理解分析逻辑 |
| 本质 | 你做给我看 | 你讲给我听 |
如果你在 Group Project 里只是让 AI 跑代码然后复制粘贴解释，Final 的时候你会面对同样类型的 Python 输出，但身边没有 AI 了。Group Project 的正确打开方式是：AI 帮你跑，你自己一行一行解释为什么。
⚠️ 前6周的成绩不代表后半学期
📌 最容易掉进去的坑：
- Mid-term 覆盖 Week 1-6，内容是 SLR + Inference，跟 QBUS1040 衔接好，容易拿分
- 拿了不错的 Mid-term 分数后放松警惕
- Week 8 的 Linear Algebra 直接把难度拉高一个维度
- Week 10-13 每周一个新的建模方法，信息密度翻倍
- Final 覆盖全部 13 周，后半学期的内容密度远高于前半学期
Mid-term 考得好 ≠ Final 会好。 这两场考试考的几乎是两门课。前半学期是统计入门，后半学期是统计建模。两者之间的 bridge 就是 Week 8-9 的线性代数——如果这座桥你没走过去，后面的 Transformations、Splines、Model Selection 全是空中楼阁。
