課程名稱 |
生態資料探勘與分析 Ecological Data Mining and Analysis |
開課學期 |
106-2 |
授課對象 |
生物資源暨農學院 森林環境暨資源學研究所 |
授課教師 |
關秉宗 |
課號 |
Forest7050 |
課程識別碼 |
625 M2510 |
班次 |
|
學分 |
3.0 |
全/半年 |
半年 |
必/選修 |
選修 |
上課時間 |
星期三6,7,8,9,10(13:20~18:20) |
上課地點 |
木性 |
備註 |
限碩士班以上 總人數上限:15人 |
Ceiba 課程網頁 |
http://ceiba.ntu.edu.tw/1062Forest7050_ |
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 |
生態資料常具複雜之特性,如具時間與空間之相關性,非線性結構等。是以分析此類資料常非僅修習過基礎統計之研究生所能勝任。本課程之目標乃在經由一系列分析方法之介紹與案例分析,使生態領域之研究生瞭解與分析其所蒐集之資料,並協助其以最精簡有效之方式呈現其資料特性 |
課程目標 |
修習本課程之學生將會使用R統計軟體分析,管理與繪製其資料;並將瞭解與正確地運用廣義線型模式(Generalized Linear Model),廣義加成模式(General Additive Model),非參數分析方法(Nonparametric methods),半參數分析方法(Semi-parametric methods),混合效應模式(Mixed-effects model)等方法於資料分析上 |
課程要求 |
欲修習本課程之學生必須修習過統計學,瞭解線型模式(迴歸與變方分析)之基礎觀念,並需自備筆記型電腦與欲分析之資料
修課人數上限10人 |
預期每週課後學習時數 |
|
Office Hours |
每週四 14:00~15:00 |
指定閱讀 |
James, G., Witten, D., Hastie, T., and Tibshirani, R. 2013. An Introduction to Statistical Learning with Applications in R. Springer, New York. [electronic resource] |
參考書目 |
待補 |
評量方式 (僅供參考) |
No. |
項目 |
百分比 |
說明 |
1. |
Team Project |
100% |
|
|
週次 |
日期 |
單元主題 |
第1週 |
2/28 |
No Class |
第2週 |
3/07 |
Introduction to Data Mining and R |
第3週 |
3/14 |
Statistical Learning |
第4週 |
3/21 |
Statistical Learning |
第5週 |
3/28 |
Statistical Methods in Data Mining: Supervised Learning |
第6週 |
4/04 |
No Class |
第7週 |
4/11 |
Statistical Methods in Data Mining: Supervised Learning |
第8週 |
4/18 |
Statistical Methods in Data Mining: Supervised Learning
(Project Progress Report) |
第9週 |
4/25 |
Generalized Linear Model |
第10週 |
5/02 |
Classification: Discriminant Analysis |
第11週 |
5/09 |
Resampling: Bootstrap |
第12週 |
5/16 |
Linear Model Selection and Regularization |
第13週 |
5/23 |
Linear Model Selection and Regularization |
第14週 |
5/30 |
Linear Model Selection and Regularization |
第15週 |
6/06 |
Support Vector Machine |
第16週 |
6/13 |
Statistical Methods in Data Mining: Unsupervised Learning |
第17週 |
6/20 |
Project Report |
第18週 |
6/27 |
Final Examine |
|