diff --git a/UC BerkeleyData100数据科学技术与方法/README.md b/UC BerkeleyData100数据科学技术与方法/README.md
new file mode 100644
index 0000000..9804a2a
--- /dev/null
+++ b/UC BerkeleyData100数据科学技术与方法/README.md	
@@ -0,0 +1,41 @@
+课号：[*UC* Berkeley Data 100](https://ds100.org/su20/)
+
+授课者：[Suraj Rampure](https://rampure.org/), [Allen Shen](https://allenshen5.github.io/)
+
+评论贡献者：[Weijun-H](https://github.com/Weijun-H)
+
+- [X] Videos: [课程教学网站](https://ds100.org/su20/)
+
+- [X] [Project & HW](https://github.com/DS-100/su20)
+
+- [X] [Slides & Reading & Notes](https://github.com/DS-100/su20)
+
+- [X] AutoGrader 自带本地测试集
+
+## 课程信息
+
+这门课程适合作为接触机器学习，数据库之前的衔接课程。学完应该就是可以直接开始Kaggle的程度。
+
+## 适合人群
+
+本课程适合有一定编程基础，了解过python，并且了解一些线性代数知识的同学。如果想要学习系统学习数据科学，但是无从下手，可以试试这门课。
+
+## 课程评价
+
+这门课的Lab和Project很全，最新的project是分析新冠疫情。从清晰数据开始到建立模型，再到交叉检验，这些project能帮你把整个数据分析流程打通。
+
+- 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
+  - 视频完整，有习题辅导
+- 缺点:
+  - 没有提供在线测试集，做su20的同学可以参考[这里](https://github.com/anniedang123/data100)
+
+## 官方资料推荐
+
+- [Principles and Techniques of Data Science](https://www.textbook.ds100.org/intro.html)
+
+## 后续课程推荐
+
+- [CS186 Introduction to Database Systems](https://cs186berkeley.net/)
+- [CS189 Introduction to Machine Learning](https://people.eecs.berkeley.edu/~jrs/189/)
\ No newline at end of file