資料科學概論與應用實務

1. 本課程主要目地在於讓選課同學,了解「資料科學(Data Science), 簡稱DS」學科領域之基本概念及相關應用的實務課程。 2. 內容及進度安排,是從一般使用者角度出發, 透過教師課堂講授之外,也配合安排暨引導學生上機實習,讓選課同學能了解上述學科的基本原理並完成有關的實機操作。 *首先,透過常見的電腦試算表(Microsoft Excel or Google Sheets), Ms Power BI 等相關軟體的展示,增加學生對學習DS 領域以及相關應用領域(如Machine Learning)的興趣。 *其次,是安排選課學生於本學期中完成一項,團隊合作實作專案,引領學生探索DS領域的相關應用,加強學生的自學與分析的能力。

1. 適合熟悉或有興趣操作Microsoft Excel (or Google Sheets) 應用者 2. 非電機學院, 非資訊學院, 的同學 優先選課

本課程是從一般使用者角度出發, 透過教師課堂講授之外,也配合安排暨引導學生上機實習,讓選課同學能了解上述資料科學(Data Science) & 機器學習(Machine Learning, ML)學科的基本原理並完成有關的實機操作。 --- 1. 原則上, 採實體教室現場教學 (光復校區, 資訊中心, 1F_訓練電腦教室) * 如遭逢類似 COVID-19 疫情, 將改成 [遠距視訊教學] 2. 課程學習環境之電腦硬體暨軟體 -- 教育單位可免費使用 (或, 註冊+免費使用) *2.1 用戶電腦軟體 - Windows 10 (or macOS) 平台 *2.2 電腦軟體系統暨應用軟體 A. Microsoft Excel (or Google Sheets) B. Microsoft Power BI Desktop C. 其他 (如有使用其他軟體 -- 學期中, 另外安排/指定)

A. (35%) 個人平時作業 (Personal Homework Assignment):約 4〜5次 B. (30%)團隊協作型之學期專案(Collaboration Term Project) [1].組隊原則: 1〜3人 [2].考評項目與配分: *口頭報告(20%): 預定 17-18 週實施 *書面報告(10%): 第18週完成 [3].考評 (原則): *團隊基準考核: 以群組為考評單位(共同合力完成一份報告,並獲得同一份團隊基準成績). *個人微調(optional): 擬由授課教師,針對個別成員的貢獻度(口頭報告,書面報告)/課堂表現,適度調整個別組員的學期專案成績 C. (25%) 學期考試 * 僅期末考試(Final Exam), 預定第16 週實施 D. (10%) 其他/課堂表現- 課堂討論 + 心得報告

• 2. 認識資料科學
• 3. Introduction to Spreadsheet Apps.
• 4. 認識機器學習演算法
• 5. 機器學習之實務演練
• 1. Introduction to this course

1. 教科書列表:參考資料來源(不限以下所列) *無固定教科書 2. 自製講義或課本之參考書目: ------------------------------- 2a).參考書名_1: “文科生也學得會!資料科學x機器學習實戰探索—使用Excel” *作者: 楊清鴻、陳宗和、陳瑞泓、王雅惠 *版本: 2022 年6月初版 *出版社: 旗標科技 2b).參考書_2: “Excel 函數與分析工具(適用 Excel 2019〜2013)”, *作者: 楊世瑩 *出版社: 碁峰資訊 (2020.09,初版) 2c).參考書_3: “Power BI 最強入門 : 大數據視覺化 + 智慧決策 + 雲端分享” *作者: 洪錦魁 *出版社: 深智數位科技 (2021 年八月, 初版)

地點

Room 327, Information Building (資訊館 327室)

時間

A. Mon 12:20 - 13:20 B. Tue 15:00 - 16:00

聯絡方式

*E-mail: jcs.chen@nycu.edu.tw *Phone: 校內分機 31721