|
課程名稱 |
資料分析方法
Data Analytics |
|
開課學期 |
109-2 |
|
授課對象 |
共同教育中心 統計碩士學位學程 |
|
授課教師 |
藍俊宏 |
|
課號 |
IE5054 |
|
課程識別碼 |
546EU4040 |
|
班次 |
|
|
學分 |
3.0 |
|
全/半年 |
半年 |
|
必/選修 |
選修 |
|
上課時間 |
星期一2,3,4(9:10~12:10) |
|
上課地點 |
綜502 |
|
備註 |
本課程以英語授課。工程與環境統計領域選修課程之一。
總人數上限：42人 |
|
|
|
|
課程簡介影片 |
|
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
|
課程大綱
|
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
|
課程概述 |
隨著資料科學益發受到重視，相對應的研究與應用日新月異，本課程將解析資料科學的各項基礎知識，回顧重要且歷久彌新的機率統計理論、多變量分析技巧、監督式與非監督式學習演算法，並簡介當前深度神經網路的發展，搭配R語言的實作，了解當前各種與資料科學流行詞彙的背後意義。
(本課程將採混成教學，線上影片教學搭配課堂討論、作業練習) |
|
課程目標 |
修習本課程之學生將具備以下能力：
1. 了解資料特性及各類分析方法的適用性；
2. 預處理資料 (資料清洗)；
3. 資料特徵萃取與選擇；
4. 解讀分析結果與其背後之物理意義；
5. 上手R語言進行資料分析。 |
|
課程要求 |
基礎機率與統計知識與基礎程式語言能力 |
|
預期每週課後學習時數 |
|
|
Office Hours |
|
|
指定閱讀 |
待補 |
|
參考書目 |
Montgomery, and Runger 6th edition, Applied Statistics and Probability for Engineers
Rencher, and Christensen 3rd edition, Methods of Multivariate Analysis
Izenman, 1st edition, Modern Multivariate Statistical Techniques
James, Witten, Hastie, and Tibshirani, 2013, An Introduction to Statistical Learning
Goodfellow, Bengio, and Courville, 2016, Deep Learning |
|
評量方式
(僅供參考) |
|
No. |
項目 |
百分比 |
說明 |
|
1. |
Homework |
25% |
|
2. |
Mid-term Exam |
25% |
|
3. |
Final-term Exam |
25% |
|
4. |
Team Project |
25% |
|
|
|
週次 |
日期 |
單元主題 |
|
第1週 |
2/22 |
Review & Preview |
|
第2週 |
3/01 |
Bank Holiday (228 Peace Memorial Day) |
|
第3週 |
3/08 |
Regression Analysis |
|
第4週 |
3/15 |
Multivariate Statistical Inference |
|
第5週 |
3/22 |
Dimension Reduction Techniques |
|
第6週 |
3/29 |
Partial Least Squares Regression |
|
第7週 |
4/05 |
Bank Holiday (Tomb Sweeping Day) |
|
第8週 |
4/12 |
Big Data Infrastructure |
|
第9週 |
4/19 |
Mid-term Exam |
|
第10週 |
4/26 |
Supervised Learning Algorithms |
|
第11週 |
5/03 |
Supervised Learning Algorithms |
|
第12週 |
5/10 |
Unsupervised Learning Algorithms |
|
第13週 |
5/17 |
Unsupervised Learning Algorithms |
|
第14週 |
5/24 |
Deep Neural Nets |
|
第15週 |
5/31 |
Deep Neural Nets |
|
第16週 |
6/07 |
Final-term Exam |
|
第17週 |
6/14 |
Bank Holiday (Dragon Boat Festival) |
|
第18週 |
6/21 |
Final Presentation |
|