週次 |
日期 |
單元主題 |
第1週 |
09/13 |
1. 上課規則、計分規則、作業說明、Github 教學。
2. 介紹 R 語言、上手 R 語言、如何進行翻轉教學。
【課堂任務01:GitHub & RMD。】 |
第2週 |
09/20 |
1. 網路爬蟲初探。
2. 完成第一個 RMarkdown 的基本報告。
【課堂任務02:爬蟲程式,並將資料順利收集整理存檔。】 |
第3週 |
09/27 |
1. 活用 dplyr 與 data farame。
2. 上手 ggplot2 繪圖工具包。
【課堂任務03:完成第一個資料視覺化任務。】 |
第4週 |
10/04 |
詞頻 & 文字雲。主題討論:使用 R 進行自動化分析,政治人物的臉書都在討論甚麼?詞頻與文字雲。
【課堂任務04:使用臉書資料集完成文字雲分析。】 |
第5週 |
10/11 |
Term to Document Matrix 與文本分析。
【課堂任務05:使用臉書資料集完成第一個基礎文字資料分析。】 |
第6週 |
10/18 |
TF-IDF 與文本分析。
【課堂任務06:使用臉書資料集完成第一個進階文字資料分析。】 |
第7週 |
10/25 |
R Shiny 自學介紹。
【課堂任務07:使用 Shiny 整合任務 03 ~ 06。】 |
第8週 |
11/01 |
PCA & Kmeans 分群整合應用。
【課堂任務08:以 TFIDF -> PCA -> K-means 流程完成文字探勘報告。】 |
第9週 |
11/08 |
【主題演講:對話式資料呈現實作】
在小小的對話框中,也能實現資料科學家的精神!讓我們運用雲端工具結合Chatbot,做出能幫助我們更快瞭解資料的機器人! |
第10週 |
11/15 |
EDA & ETP 基本觀念介紹。 【課堂任務09:參考 Kaggle Script,透過 EDA & ETP 找出問題。】 |
第11週 |
11/22 |
小組討論與提案說明。 【課堂任務10:提出期末作品預計進行的 ETP 說明。】 |
第12週 |
11/29 |
資料科學中的常見統計分析技巧。 【課堂任務11:參考 Kaggle Script,進行更深入的 EDA 探索。】 |
第13週 |
12/06 |
關聯規則 Apriori algorithm。 【課堂任務12:使用關聯性規則,對自訂資料集進行探索。】 |
第14週 |
12/13 |
類神經網路基礎介紹與應用。 【課堂任務13:透過 nnet 進行類神經網路架構建模。】 |
第15週 |
12/20 |
資料科學混合工具應用。 【課堂任務14:Kaggle 資料集預測競賽。】 |
第16週 |
12/27 |
小組專題整合實作。 |
第17週 |
01/03 |
小組專題成果發表。 |