考虑到内向和不善表达的学生，课程采用Stephen D. Brookfield和Stephen Preskill的讨论手册中的技巧来确保每个人都有机会参与课堂讨论。课程成绩的评判也没有采用传统的结课考试，而是由课堂参与、讨论准备、课外阅读笔记三部分得分构成。
Hadley Wickham教授已在网上贴出了这门课程的阅读清单推荐，下面这些论文，你读过哪些?
什么是数据科学
数据科学家大多只做算术,这是件好事—— Noah Lorang(2016)
企业数据分析和可视化：面试研究——Sean Kandel，Andreas Paepcke，Joseph Hellerstein，Jeffrey Heer(2012)
https://idl.cs.washington.edu/papers/enterprise-analysis-interviews
50年的数据科学(OA预印本)——David Donoho(2017)(注：这是一份讨论文件，许多着名的统计人员对评论做出了贡献。)
数据收集和协作
整洁的数据——Hadley Wickham(2013)
电子表格中的数据结构——Karl W Broman，Kara Woo(2017)
在数据项目中使用Google表格的最佳做法——Matthew Lincoln (2018)
软件工程
数据科学家的软件开发技能——Trey Causey(2015)
打扰一下，你有没有时间谈论版本控制?——Jennifer Bryan (2017)
足够好的科学计算实践——Greg Wilson，Jennifer Bryan，Karen Cranston，Justin Kitzes，Lex Nederbragt，Tracy K. Teal(2017)
DevOps
介绍Docker进行可重复研究，并以R环境为例——Carl Boettiger(2014)
机器学习:技术债务的高利息信用卡——D.Sculley，Gary Holt，Daniel Golovin，Eugene Davydov，Todd Phillips，Dietmar Ebner，Vinay Chaudhary，Michael Young(2015)
教学
统计学入门课程：托勒密体系?——George W Cobb (2013)
数据科学教育的民主化——Sean Kross，Roger D Peng，Brian S Caffo，Ira Gooding，Jeffrey T Leek(2017)
教授数据科学统计——Danny Kaplan (2017)
数据道德
伦理数据科学家——Cathy O'Neil (2016)
大数据，机器学习和社会科学——Hannah Wallach(2014)
数据科学道德准则——DJ Patil(2018)
统计实践的道德准则——美国统计协会职业道德委员会(2016年)
可复用性
计算科学最佳实践——Victoria Stodden, Sheila Miguez (2014)
rOpenSci如何使用代码评审来促进可复用的科学——Noam Ross，Scott Chamberlain，Karthik Ram，MaëlleSalmon(2017)
工作流程
平易近人的社会科学导论——Kieran Healy (2016)
http://plain-text.co/
打开笔记本历史——Caleb Daniels(2013)
http://wcm1.web.rice.edu/open-notebook-history.html
如何成为现代科学家——Jeff Leek(2016)
业界
在Twitter上做数据科学——Robert Chang(2015)
程师不应该写ETL构建一个高功能数据科学体系的指南——Jeff Magnusson(2016)
在Airbnb上使用R包和教育来发展数据科学——里卡多比昂(2016)
Instacart的数据科学——Jeremy Stanley(2017)
.rprofile：Jenny Bryan——Kelly O'Briant(2017)
营销数据科学——Erik Oberg(2018)
职业发展
在数据科学就业市场上的感觉如何——Trey Causey(2016)
学术求职建议——Matt Might
数据科学中的冒充者综合征——Caitlin Hudon(2018年)