十三周：六个 deadline 和它们的真实成本
课程大纲给了一个很有用的数字：这门课设计为 150 学时，其中 24 小时讲座、24 小时实验课、30 小时阅读、72 小时作业。72 小时要分给四次迭代 + 一篇论文 + 25 小时 DataCamp——等一下，DataCamp 自己就要 25 小时。也就是说真正留给四份报告的，官方口径下只有 47 小时。这一章的目的就是让你在开学第二周就看清这笔预算。
先看表，再谈感受
下面这张表是实时算的——它按你打开这一页的时间，算出每个 deadline 还剩几天：
三个结构性事实，从表里直接读出来：
- 提案到 ISAS 只有三周（7 月 31 日 → 8 月 21 日）。而 ISAS 那次要交 Step 1–8 的完整报告，还要在一门你从没用过的软件里搭出能跑的流。
- ISAS 到 OSAS 中间隔着 mid-semester break（第 6–7 周之间），日历上是五周，实际可用时间被假期切开。这是唯一一段可以喘气的时间，也是补 DataCamp 的最佳窗口。
- OSAS 到 BDAS 三周，BDAS 到论文两周。最后两周你要同时做完 BDAS 报告和一篇 10–20 页 APA 论文。这是整学期唯一真正会翻车的地方。
72 小时怎么花：一份工时估算
下面的估算基于「一个会写代码、但没用过 SPSS Modeler 和 PySpark 的人」。如果你 pandas 熟，OSAS 那栏可以砍半；如果你从没开过 EC2，BDAS 那栏要加 3 小时。
| 阶段 | 做什么 | 估时 | 说明 |
|---|---|---|---|
| 提案 | 选题、找数据、Step 1–2 全写 | 6–8 h | 找数据最花时间。数据一天找不到就换题，不要在这里耗一周。 |
| Iteration 2 ISAS | 学 Modeler + 搭流 + 写 Step 3–8 | 14–18 h | 软件学习占 5 h。报告是母版，写工整。 |
| DataCamp | 25 小时以上 | 25 h | 可挂机式推进，每周 2.5 h × 10 周。别攒到第 7 周。 |
| Iteration 3 OSAS | Python + Weka/Kettle/Tableau + 改报告 | 10–14 h | Step 1–2、5 直接复用；工具多，把每个工具的截图当证据攒好。 |
| Iteration 4 BDAS | EC2 + SSH + PySpark + 改报告 | 12–16 h | 环境风险最高的一次。第 8 周实验课之后立刻把环境跑通，别等到第 10 周。 |
| 研究论文 | 10–20 页，APA，Step 1–9 | 10–14 h | 如果三份迭代报告写得好，这里主要是缝合 + 补文献 + 补 Step 9。 |
| 合计 | 77–95 h | 比官方的 72 h 略高，属正常。 | |
最重要的一行是论文那 10–14 小时。它的实际耗时几乎完全取决于前面三份报告的质量：如果每次迭代你都老实写了 Step 8 的解释和 8.5 的迭代记录，论文就是把三份缝起来、加一节文献综述、补上 Step 9；如果前三次都在赶工，论文等于从零写。这是这门课最大的复利。
Step 9（部署、监控、维护、增强）在四次迭代里不单独计分，只在论文里要求。所以大部分人会留到最后两周写——而那正是最忙的两周。
但 Step 9 是全课最不依赖数据和代码的一步：它问的是「如果这个模型真的要用起来，谁来用、多久重训、怎么发现它坏了」。这些问题在第 2 周就能想清楚，而且想清楚之后会反过来改进你的 Step 1（因为你会发现有些目标根本无法部署）。建议在提案阶段就写一段 200 字的 Step 9 草稿，之后每次迭代补充一点。第 21 章会给你具体的监控指标（PSI）和一张真实的模型退化表。
逆推排期：从今天到 10 月 30 日
下面这份排期是按「每周投入 6–8 小时」设计的，把风险都往前压：
| 周 | 主要动作 | 本周必须产出 |
|---|---|---|
| 第 2 周 （本周） | 定 SDG + 决策场景 → 找数据 → 跑一遍 Step 2 的描述与质量检查 → 写 Step 1–2 | 提案（7/31 前）。外加一件事：把数据集存成本地副本并记下下载日期与 URL（Step 2.1 要）。 |
| 第 3–4 周 | 实验课跟着做 ISAS；同时把 Step 3–4 的清洗逻辑先在 Python 里想清楚（用你熟的工具想问题，用陌生的工具实现） | 一条能跑通的 SPSS 流 + Step 3–4 草稿。每周 2.5 h DataCamp。 |
| 第 5 周 | ISAS 建模、评估、写 Step 5–8 | Iteration 2（8/21 前）。提交前 Restart & Run All 式的全流程重跑。 |
| Break | DataCamp 冲刺 + 把 ISAS 报告改成母版（编号、图表编号、引用格式） | DataCamp 过 20 h。母版定稿。 |
| 第 7–8 周 | OSAS：Python 主线 + Tableau 出图 + Weka／Kettle 各留一处证据 | DataCamp（9/14 前）、Iteration 3（9/25 前）。 |
| 第 8 周 （关键） | 实验课当天就把 EC2 + SSH + PySpark 环境跑通，跑一个 count() 截图存证 | 一个能连上的实例 + 一个跑通的 notebook。这一步提前三周做，是整学期最值的保险。 |
| 第 9–11 周 | BDAS：把 OSAS 的流程翻译成 PySpark，记录分区、shuffle、耗时 | Iteration 4（10/16 前） + 一节「三条产线结果对比」。 |
| 第 12–13 周 | 论文：缝合三份报告 + 文献综述 + Step 9 + APA 格式检查 | 研究论文（10/30 前）。 |
1. AWS 环境在第 10 周才第一次尝试。止损：第 8 周实验课当天跑通，把 SSH 命令、密钥文件、AMI 名称、安全组设置写成一份自己的 README。EC2 实例记得关（费用）；关掉之后公有 IP 会变，README 里留一行提醒。
2. SPSS Modeler 只在学校机房有。止损：第 3 周就确认你的访问方式（校园机房／远程虚拟桌面／自己的授权）。如果只能在机房用，所有截图当场存好，别指望回家补。
3. 数据集在第 6 周被你自己换掉。这是最贵的一种翻车——意味着 ISAS 那次的 Step 2–4 全作废。止损：提案阶段就把六条自检（第 3 章）过一遍，尤其确认目标列真的存在、缺失率不到 40%。
Step 1.4 要的「项目计划」长什么样
不需要专业项目管理工具。一张甘特图 + 一个风险登记表，各占半页，就是满分答卷。甘特图可以直接用 Excel 的条形图或者 Markdown 表格画：
1.4 Project Plan 阶段 周次 产出物 风险 ────────────────────────────────────────────────────────────── 数据获取与理解 2 清洗前描述统计、质量报告 数据许可不明 → 改用 WB 开放数据 数据准备与变换（ISAS） 3–4 SPSS 流、清洗日志 Modeler 仅机房可用 → 当场存截图 建模与解释（ISAS） 5 Iteration 2 报告 时间不足 → 先保 Step 8，参数调优放弃 开源栈复现（OSAS） 7–8 Notebook、Tableau 仪表板 工具分散 → 每工具留一处证据即可 大数据复现（BDAS） 9–11 EC2 环境、PySpark 作业 环境不通 → 第 8 周提前搭好并存 README 论文撰写 12–13 10–20 页 APA 前期报告不完整 → 每次迭代即时写 8.5 关键路径：数据集选定 → ISAS 报告（后续两次的母版）→ 论文 缓冲：每个 deadline 前留 2 天，用于全流程重跑与格式检查
注意最后两行。「关键路径」和「缓冲」这两个词是项目计划的及格线——它们证明你不是把任务列了个表，而是想过依赖关系。
1. Step 1.4：上面那张表（甘特 + 风险 + 关键路径 + 缓冲）。四份报告通用，只需每次更新「已完成」标记。
2. 一份属于你自己的 README（不进报告，但救命）：数据集 URL 与下载日期、SPSS 访问方式、EC2 实例类型／AMI／SSH 命令、各工具版本号。版本号在论文里是要写的（可复现性），现在记比最后翻记忆便宜。
3. 日历事件：六个 deadline，每个提前 2 天设提醒。DataCamp 设成每周重复。
这一章的一句话
72 小时的作业预算里有 25 小时属于 DataCamp，真正留给四份报告的只有四十多小时；而最后两周要同时交 BDAS 和论文——所以第一份报告写成可复用的母版、第 8 周就把 AWS 环境跑通、Step 9 现在就起草，这三件事决定你 10 月底的状态。
卷 I 结束。下一卷是这周就要用的东西：Step 1 和 Step 2，也就是那份 0 分但决定一切的提案。第 5 章从最难的一件事开始——把一个 SDG 变成一个能被数据回答的问题。