資料科學概論與應用實務
Introduction to Data Science: Concepts & Practice
| 節 | 週一 |
|---|---|
3 10:10–11:00 | 資料科學概論與應用實務 CS105（光復） 2 節連堂 |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
1. 本課程主要目地在於讓選課同學,了解「資料科學(Data Science), 簡稱DS」學科領域之基本概念及相關應用的實務課程。 2. 內容及進度安排,是從一般使用者角度出發, 透過教師課堂講授之外,也配合安排暨引導學生上機實習,讓選課同學能了解上述學科的基本原理並完成有關的實機操作。 *首先,透過常見的電腦試算表(Microsoft Excel or Google Sheets), Ms Power BI 等相關軟體的展示,增加學生對學習DS 領域以及相關應用領域(如Machine Learning)的興趣。 *其次,是安排選課學生於本學期中完成一項,團隊合作實作專案,引領學生探索DS領域的相關應用,加強學生的自學與分析的能力。
1. 適合熟悉或有興趣操作Microsoft Excel (or Google Sheets) 應用者 2. 非電機學院, 非資訊學院, 的同學 優先選課
無備註
本課程是從一般使用者角度出發, 透過教師課堂講授之外,也配合安排暨引導學生上機實習,讓選課同學能了解上述資料科學(Data Science) & 機器學習(Machine Learning, ML)學科的基本原理並完成有關的實機操作。 --- 1. 原則上, 採實體教室現場教學 (光復校區, 資訊中心, 1F_訓練電腦教室) * 如遭逢類似 COVID-19 疫情, 將改成 [遠距視訊教學] 2. 課程學習環境之電腦硬體暨軟體 -- 教育單位可免費使用 (或, 註冊+免費使用) *2.1 用戶電腦軟體 - Windows 10 (or macOS) 平台 *2.2 電腦軟體系統暨應用軟體 A. Microsoft Excel (or Google Sheets) B. Microsoft Power BI Desktop C. 其他 (如有使用其他軟體 -- 學期中, 另外安排/指定)
A. (35%) 個人平時作業 (Personal Homework Assignment):約 4〜5次 B. (30%)團隊協作型之學期專案(Collaboration Term Project) [1].組隊原則: 1〜3人 [2].考評項目與配分: *口頭報告(20%): 預定 17-18 週實施 *書面報告(10%): 第18週完成 [3].考評 (原則): *團隊基準考核: 以群組為考評單位(共同合力完成一份報告,並獲得同一份團隊基準成績). *個人微調(optional): 擬由授課教師,針對個別成員的貢獻度(口頭報告,書面報告)/課堂表現,適度調整個別組員的學期專案成績 C. (25%) 學期考試 * 僅期末考試(Final Exam), 預定第16 週實施 D. (10%) 其他/課堂表現- 課堂討論 + 心得報告
2. 認識資料科學
A. 初探資料科學 1). 取得資料 2). 資料處理 3). 資料視覺化 B. 資料科學的探索性分析 1). 取得資料 2). 資料處理 3). 探索性資料分析 *統計分析 *資料視覺化 *由資料間的關聯找出重要的「特徵」
- 講授：
- 6hr
- 示範：
- 3hr
- 實作：
- 0
- 其他：
- 0
備註：3w
3. Introduction to Spreadsheet Apps.
電腦試算表簡介 * Microsoft Excel * Google Sheets
- 講授：
- 4 hr
- 示範：
- 2 hr
- 實作：
- 0
- 其他：
- 0
備註：2w
4. 認識機器學習演算法
A. 簡介「機器學習」學科領域的基本概念 B. 常見的機器學習演算法 1) 趨勢預測: 線性迴歸 2) 分類: KNN (K-最近鄰居法) 3) 分群: K-Means (K-平均法)
- 講授：
- 10hr
- 示範：
- 5hr
- 實作：
- 0
- 其他：
- 0
備註：5w
5. 機器學習之實務演練
A. 趨勢預測: 線性迴歸 B. 分類: KNN (K-最近鄰居法) C. 分群: K-Means (K-平均法)
- 講授：
- 8 hr
- 示範：
- 4hr
- 實作：
- 0
- 其他：
- 0
備註：4w
1. Introduction to this course
A. 資料科學(Data Science)的基本概念 B. 資料科學實作平台 (Excel-like 軟體) C. 常見機器學習應用 – 趨勢預測(Prediction)、分類(Classification)、分群(Clustering) 和關聯(Association) 等分析
- 講授：
- 3 hr
- 示範：
- 0
- 實作：
- 0
- 其他：
- 0
備註：上課教室\n *資訊館1F_PC訓練教室 (光復校區)
| 週次 | 主題 |
|---|---|
| 第 1 週 | 2023-09-11(一) |
| 第 2 週 | 2023-09-18(一) |
| 第 3 週 | 2023-09-25(一) |
| 第 4 週 | 2023-10-02(一) |
| 第 5 週 | 2023-10-09(一) |
| 第 6 週 | 2023-10-16(一) |
| 第 7 週 | 2023-10-23(一) |
| 第 8 週 | 2023-10-30(一) |
| 第 9 週 | 2023-11-06(一) |
| 第 10 週 | 2023-11-13(一) |
| 第 11 週 | 2023-11-20(一) |
| 第 12 週 | 2023-11-27(一) |
| 第 13 週 | 2023-12-04(一) |
| 第 14 週 | 2023-12-11(一) |
| 第 15 週 | 2023-12-18(一) |
| 第 16 週 | 2023-12-25(一) |
1. 教科書列表:參考資料來源(不限以下所列) *無固定教科書 2. 自製講義或課本之參考書目: ------------------------------- 2a).參考書名_1: “文科生也學得會!資料科學x機器學習實戰探索—使用Excel” *作者: 楊清鴻、陳宗和、陳瑞泓、王雅惠 *版本: 2022 年6月初版 *出版社: 旗標科技 2b).參考書_2: “Excel 函數與分析工具(適用 Excel 2019〜2013)”, *作者: 楊世瑩 *出版社: 碁峰資訊 (2020.09,初版) 2c).參考書_3: “Power BI 最強入門 : 大數據視覺化 + 智慧決策 + 雲端分享” *作者: 洪錦魁 *出版社: 深智數位科技 (2021 年八月, 初版)
- 地點
- Room 327, Information Building (資訊館 327室)
- 時間
- A. Mon 12:20 - 13:20 B. Tue 15:00 - 16:00
- 聯絡方式
- *E-mail: jcs.chen@nycu.edu.tw *Phone: 校內分機 31721