資料採礦
Data Mining
| 節 | 週二 |
|---|---|
5 13:20–14:10 | 資料採礦 MB110（光復） 3 節連堂 |
6 14:20–15:10 | |
7 15:30–16:20 |
* 根據陽明交大上課時間表所列
培養同學運用資料挖掘的相關技術,針對不同型態的製造業或服務業資料,將其轉換成有用的資訊來提升企業決策品質。
統計學(required)、計算機程式(R程式設計)、資料庫管理 (plus)
無備註
R程式語言實作 開放式網站資料庫檔案下載
1學期作業 平時作業60% (4次) 2.文獻報告20% 3. 專題報告20% 3.評量方法 期刊文獻閱讀報告30%
基礎技術
1.預測與迴歸 2.群聚分析 3.分類與判別 4.關聯分析
- 講授：
- X
- 示範：
- X
備註：R\r\nPython\r\nWEKA\r\n
機器學習
1.類神經網路 2.支援向量機 3.貝氏理論 4.決策樹
- 講授：
- X
- 實作：
- X
備註：R\r\nPython\r\nWEKA\r\n
| 週次 | 主題 |
|---|---|
| 第 1 週 | 資料採礦與數據科學簡介 |
| 第 2 週 | 資料前置處理 (missing data & outlier) |
| 第 3 週 | 統計檢定分析與視覺化 |
| 第 4 週 | 決策樹介紹 (decision tree learning) |
| 第 5 週 | 關聯分析 (AI based association) |
| 第 6 週 | 預測與迴歸 ( AI based regression) |
| 第 7 週 | 智慧型群聚 (AI based clustering) |
| 第 8 週 | 智慧型分類 (AI based classification) |
| 第 9 週 | 期中文獻報告與相關軟體介紹 |
| 第 10 週 | 天真貝氏法 (Naive Bayes classifier) |
| 第 11 週 | 貝氏信賴網路 (Bayes belief network) |
| 第 12 週 | 類神經網路 (unsupervised/ supervised ANN) |
| 第 13 週 | 支援向量機器 (SVM) |
| 第 14 週 | 隨機森林(集成式演算法) |
| 第 15 週 | 圖像辨識應用 (pattern recognition) |
| 第 16 週 | 產業實務討論及資料科學未來發展趨勢 |
| 第 17 週 | 專題成果報告與分享 |
| 第 18 週 | 期末考 |
Introduction to data mining, Pang-Ning Tan Data mining (concepts and techniques), Han & Kamber, Morgan Kaufman. Machine learning, Mitchell, McGraw-Hill. Applied data mining, Paolo Giudici, Wiley (全華代理) Data mining for business intelligence, Galit Shmueli et al., Wiley Data mining, Roiger & Geatz, Addison-Wesley (東華代理) Next generation of data mining applications, Kantardzic & Zurada, IEEE society. Pattern classification, Duda et al., Wiley-interscience.
- 地點
- 教師研究室R411
- 時間
- 依學校規定
- 聯絡方式
- 電子郵件預約