Merge pull request #23 from Weijun-H/main

add description about UCB data8

UC BerkeleyData8数据科学基础/README.md

@@ -0,0 +1,39 @@
+课号：[*UC* Berkeley Data 8](https://inst.eecs.berkeley.edu/~cs188/fa18/)
+
+教授：[David Wagner](http://people.eecs.berkeley.edu/~daw/), Swupnil Sahai
+
+评论贡献者：[Weijun-H](https://github.com/Weijun-H)
+
+- [X] Videos: [Youtube](https://www.youtube.com/watch?v=yHVMpAD_xRU&list=PL3juAj0fqNsI4HLvMJFnZDDabxAExG0wv&index=40), [B站](https://www.bilibili.com/video/BV1Gh411d71E?from=search&seid=2310891227295423879)
+
+- [X] [Project & HW](https://github.com/data-8/data8assets/tree/gh-pages/materials/sp17)
+
+- [X] [Slides & Reading & Notes](http://data8.org/fa16)
+
+- [X] AutoGrader 自带本地测试集
+
+## 课程信息
+
+完完全全的入门课，前半段讲 Python的一些操作，后半段讲统计学的基本概念（假设检验、区间估计、贝叶斯、自举等），并用 Python 模拟。有充足的练习材料。可以看做数据科学版的 CS61a。
+
+## 适合人群
+
+本课程适合完全没有接触过python，但是想快速入门数据科学的朋友
+
+## 课程评价
+
+这门课的Lab和Project很全，做完一遍可以很快的进入进阶课程
+
+- 优点：
+  - 课后练习丰富，题目难度一般
+  - Project 有一定趣味性，但是个别测试会出错
+- 缺点:
+  - 有一定python基础的话，前半段内容会显得有些冗长
+
+## 官方资料推荐
+
+- [Computational and Inferential Thinking: The Foundations of Data Science](https://inferentialthinking.com/index.html)
+
+## 后续课程推荐
+
+- [DS100](https://ds100.org/)