數據分析與決策
Data Analysis and Decision Making
| 節 | 週三 |
|---|---|
2 09:00–09:50 | 數據分析與決策 MB415（光復） 3 節連堂 |
3 10:10–11:00 | |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
課程強調「從資料到決策」的實作流程，涵蓋問題定義、模型建立、結果解讀、情境分析與管理建議。培養學生以 Python 進行資料處理與分析，並進一步學習 ML/DL 基礎模型，最後整合 Gurobi 進行決策分析。
建議先修科目：程式設計導論、微積分、線性代數。
無備註
教師未提供此項資料
成績以作業、project 作為評量基礎。
ML/DL 應用
1. 監督式學習 (回歸/分類、評估指標) 2. 樹模型與調參、交叉驗證 3. 深度學習入門 (簡易神經網路實作)
決策分析整合與專題
1. 決策分析 I：LP/MILP 建模（決策變數、目標、限制） 2. ML/DL輸出串接 Gurobi（prediction-to-action） 3. 期末專題發表
Python 程式基礎
1. Python 基本語法 (變數、流程控制、函式) 2. 常用資料結構與例外處理 3. 模組與套件使用、Colab/Jupyter 環境 4. NumPy/Pandas 入門
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程導論、Colab/Jupyter、Python語法 I 2026-09-09(三) 時數：[2026-09-09]劉建良(3.00) |
| 第 2 週 | Data Types、資料結構、例外處理 2026-09-16(三) 時數：[2026-09-16]劉建良(3.00) |
| 第 3 週 | 流程控制、函式、模組化 2026-09-23(三) 時數：[2026-09-23]劉建良(3.00) |
| 第 4 週 | Class and Objects 2026-09-30(三) 時數：[2026-09-30]劉建良(3.00) |
| 第 5 週 | Class and Objects 2026-10-07(三) 時數：[2026-10-07]劉建良(3.00) |
| 第 6 週 | NumPy/Pandas 基礎操作 2026-10-14(三) 時數：[2026-10-14]劉建良(3.00) |
| 第 7 週 | Visualization (Matplotlib/Seaborn) 2026-10-21(三) 時數：[2026-10-21]劉建良(3.00) |
| 第 8 週 | 期中專題 2026-10-28(三) 時數：[2026-10-28]劉建良(3.00) |
| 第 9 週 | 監督式學習 I(回歸/分類 + 衡量指標) 2026-11-04(三) 時數：[2026-11-04]劉建良(3.00) |
| 第 10 週 | 監督式學習 II(樹模型、調參、交叉驗證) 2026-11-11(三) 時數：[2026-11-11]劉建良(3.00) |
| 第 11 週 | Ensemble Learning 2026-11-18(三) 時數：[2026-11-18]劉建良(3.00) |
| 第 12 週 | 深度學習 (簡易神經網路) 2026-11-25(三) 時數：[2026-11-25]劉建良(3.00) |
| 第 13 週 | 深度學習 (卷積神經網路) 2026-12-02(三) 時數：[2026-12-02]劉建良(3.00) |
| 第 14 週 | 深度學習 (Transformer) 2026-12-09(三) 時數：[2026-12-09]劉建良(3.00) |
| 第 15 週 | 決策分析 (Gurobi：LP/MILP 建模 + ML/DL 輸出串接) 2026-12-16(三) 時數：[2026-12-16]劉建良(3.00) |
| 第 16 週 | 期末專題 2026-12-23(三) 時數：[2026-12-23]劉建良(3.00) |
教師未提供此項資料
- 地點
- 教師未提供此項資料
- 時間
- 教師未提供此項資料
- 聯絡方式
- 教師未提供此項資料