问题在于：7种可视化方法，每种你只上了一节 Lecture + 一节 Tutorial。中间没有任何缓冲期让你消化，Week 8 就要交作业。这不是考你理解多深，是考你切换工具的速度。

🎬 真正的难度藏在后半学期

前7周虽然节奏快，但内容相对直觉——分布图、散点图、热力图这些东西你多少见过。真正的挑战从 Week 7 开始：地理空间数据 (Geospatial) 需要 geopandas 和 folium，交互可视化 (Interactive) 需要 plotly 或 bokeh，网络图 (Networks) 需要 networkx。

每周一个新 Python 库，每个库的 API 逻辑完全不同。而且这些内容全部要进 Group Project。

Group Project 的隐藏压力

Group Project 占 35%，是最大的单项分数。截止 Week 13，意味着你要在 Week 9-12 之间完成以下操作：

1. 学完网络图、流程图、聚类（Week 9-12 的新内容）
2. 用 Python 实现所有要求的可视化
3. 写分析报告
4. 跟队友协调分工

Week 11-12 连续两周讲聚类和树状图 (Hierarchical Clustering & Dendrograms)，这是整门课最密集的理论块。而你正在一边学一边赶 Group Project。

💰 选课前想清楚的三件事

第一，Python 基础必须在开学前搞定。 课程说明里写了：你有责任在学期开始前安装好所有软件和包。这不是客气话。如果你还在 Week 2 纠结 pandas 语法，后面根本跟不上。

第二，Individual Assignment 不是练手——是筛选。 25% 的分，Week 8 截止，覆盖7种可视化。这个作业会直接暴露你的代码速度和方法切换能力。如果你在这里翻车，Group Project 的贡献度也会很低。

第三，组队要找能写代码的人。 Group Project 占 35% 且全程 Python 实现。你需要的不是写报告漂亮的队友，而是能独立跑通 networkx 和 geopandas 的人。

⚠️ Final Exam 是唯一没有 AI 的考核

70% 的分数来自 AI 允许的作业和 Quiz。但 Final 占 30%，1.5小时，选择题加简答题，AI 禁止。如果你整个学期都靠 ChatGPT 帮你写代码，Final 会让你原形毕露。这门课的设计逻辑很清楚：用作业证明你能做，用 Final 证明你理解你在做什么。