大數據分析與挖礦

培養學生應用大數據分析與挖礦於兩大領域: 工業4.0(industrial informatics-機台調校、品管預警、產能提升)與零售4.0(business intelligence-顧客流失、企業預警、績效管理)

統計學(建議)或資料庫(非必要)。2006年在香港舉辦的IEEE-ICDM國際會議選出10大最具影響力的採礦演算法,包括C4.5, K-means, SVM, Apriori, EM, PageRank, AdaBoost, KNN, Naive Bayes, CART,除PageRank外,其餘皆在本課程教授範圍

無備註

課程講授、軟體操作、產業案例應用,不會僅以PPT講述理論

親自示範熱門軟體R語言,以完成平時作業及一次案例報告。同學無須擔心課程難度與負擔問題,本課程已在校外場域充分試驗過。

• 資料解析與統計分析

  統計檢定、趨勢判別

  講授：

  3

  示範：

  1

  實作：

  2

• 非監督式分群

  K-means, hierarchical, fuzzy c-means, EM method

  講授：

  3

  示範：

  1

  實作：

  2

• 關聯規則

  apriori association

  講授：

  3

  示範：

  1

  實作：

  2

• 基礎分類器

  KNN (nearest neighbor), Logistic regression, Naive Bayes classifier

  講授：

  3

  示範：

  1

  實作：

  2

• 進階分類器

  decision tree (CART), random forest, SVM (support vector machine), adaboost

  講授：

  3

  示範：

  1

  實作：

  2

• 非線性迴歸

  BPN (neural network), SVR (support vector regression), MARS, KNN

  講授：

  3

  示範：

  1

  實作：

  2

• 資料視覺化

  PCA (主成分分析), MDS (多元尺度降維)

  講授：

  3

  示範：

  1

  實作：

  2

• 製造業/服務業之案例檢討

  工業資訊、商業智慧

  講授：

  3

  示範：

  1

  實作：

  2

1. R語言自編教材與產學訓練範例 。 2. Tan, Steinbach, Kumar, "Introduction to data mining", Addison-Wesley. 3. Sharda Delen, Turban, "Business Intelligence and Analytics: Systems for Decision Support", Prentice Hall. 4. Stuart Russell and Peter Norvig, "Artificial Intelligence: A Modern Approach", Prentice Hall. 5. 謝邦昌,"資料採礦與商業智慧", 鼎茂。

地點

MB411

時間

TBA

聯絡方式

chihwang@mail.nctu.edu.tw