大數據分析與挖礦
Big data analytics and mining
| 節 | 週二 |
|---|---|
A 18:30–19:20 | 大數據分析與挖礦 MB415（光復） 3 節連堂 |
B 19:30–20:20 | |
C 20:30–21:20 |
* 根據陽明交大上課時間表所列
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、產能規劃)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
上課採取理論講授、R/Python軟體操作、產業案例應用三合一型態，搭配產業案例與影片分享。
親自示範R語言或Python實作，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程式負擔問題，本課程已在校外公司場域充分試驗過(中華電信、南亞科技、台灣塑膠、華邦電子、工研院、勞發署)。
資料解析與統計分析(敘述統計、相關係數、共變數)
統計檢定(卡方、T檢定)、趨勢判別、簡易預測(Exponential Smoothing/ Holt-Winters)
- 講授：
- 3
- 示範：
- 1
- 實作：
- 2
非監督式分群
K-means, hierarchical clustering, fuzzy c-means, Gaussian mixture clustering
- 講授：
- 3
- 示範：
- 1
- 實作：
- 2
關聯規則
apriori (association rule)
- 講授：
- 3
- 示範：
- 1
- 實作：
- 2
基礎分類器
KNN (nearest neighbor), Logistic regression, Naive Bayes
- 講授：
- 3
- 示範：
- 1
- 實作：
- 2
進階分類器
CART (classification & regression tree), random forest (RF), SVM (support vector machine), adaboost, gradient boosting (GB)
- 講授：
- 3
- 示範：
- 1
- 實作：
- 2
非線性迴歸
BPN (neural network), SVR (support vector regression), MARS (multivariate adaptive regression splines), RF, GB
- 講授：
- 3
- 示範：
- 1
- 實作：
- 2
資料視覺化與維度簡化
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&商業智慧之應用
- 講授：
- 3
- 示範：
- 1
- 實作：
- 2
| 週次 | 主題 |
|---|---|
| 第 1 週 | 按課程進度彈性調整 2026-02-24(二) |
| 第 2 週 | 按課程進度彈性調整 2026-03-03(二) |
| 第 3 週 | 按課程進度彈性調整 2026-03-10(二) |
| 第 4 週 | 按課程進度彈性調整 2026-03-17(二) |
| 第 5 週 | 按課程進度彈性調整 2026-03-24(二) |
| 第 6 週 | 按課程進度彈性調整 2026-03-31(二) |
| 第 7 週 | 按課程進度彈性調整 2026-04-07(二) |
| 第 8 週 | 按課程進度彈性調整 2026-04-14(二) |
| 第 9 週 | 按課程進度彈性調整 2026-04-21(二) |
| 第 10 週 | 2026-04-28(二) |
| 第 11 週 | 按課程進度彈性調整 2026-05-05(二) |
| 第 12 週 | 按課程進度彈性調整 2026-05-12(二) |
| 第 13 週 | 按課程進度彈性調整 2026-05-19(二) |
| 第 14 週 | 按課程進度彈性調整 2026-05-26(二) |
| 第 15 週 | 按課程進度彈性調整 2026-06-02(二) |
| 第 16 週 | 按課程進度彈性調整 2026-06-09(二) |
1. R語言/Python程式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
- chihswang@nycu.edu.tw