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 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。
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)
- 非監督式分群
- 關聯規則
- 基礎分類器
- 進階分類器
- 非線性迴歸
- 資料視覺化與維度簡化
- 製造業/服務業之案例檢討
| 週次 | 主題 |
|---|---|
| 第 1 週 | 按課程進度彈性調整 |
| 第 2 週 | 按課程進度彈性調整 |
| 第 3 週 | 按課程進度彈性調整 |
| 第 4 週 | 按課程進度彈性調整 |
| 第 5 週 | 按課程進度彈性調整 |
| 第 6 週 | 按課程進度彈性調整 |
| 第 7 週 | 按課程進度彈性調整 |
| 第 8 週 | 按課程進度彈性調整 |
| 第 9 週 | 按課程進度彈性調整 |
| 第 10 週 | 按課程進度彈性調整 |
| 第 11 週 | 按課程進度彈性調整 |
| 第 12 週 | 按課程進度彈性調整 |
| 第 13 週 | 按課程進度彈性調整 |
| 第 14 週 | 按課程進度彈性調整 |
| 第 15 週 | 按課程進度彈性調整 |
| 第 16 週 | 按課程進度彈性調整 |
| 第 17 週 | |
| 第 18 週 |
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