模擬系統與數據分析
Simulation Models and Data Analysis
| 節 | 週四 |
|---|---|
1 08:00–08:50 | 模擬系統與數據分析 YL401 2 節連堂 |
2 09:00–09:50 |
* 根據陽明交大上課時間表所列
本課程介紹資訊思考模式的建立過程中較進階的議題。包括:如何利用模擬與隨機技巧來處理內含不確定性的問題、分析資料時如何進行統計推論、面對最佳化問題如何系統性地找出最佳解,以及介紹人工智慧與機器學習的重要基礎:分類與分群。 本課程的目標是介紹資訊演算法的進階主題。學生的學習目標包括:1. 針對具有不確定性,或是無法以封閉方程式來描述的自然現象,以隨機與模擬的方式來處理。2. 最佳化問題的解決方案,包括窮舉法、動態規劃法等等。3. 數據分析的基礎:統計推論。4. 資料分群與分類。 This course introduces advanced topics in the process of establishing the computational mode of thinking, which includes how to use simulation and random techniques to deal with uncertainties, how to make statistical inferences on data, how to systematically find solutions to optimization problems, and introduces the foundation of artificial intelligence and machine learning: classification and clustering. In this course, we will introduce advanced topics in algorithms. Students will learn techniques that can be used to 1. deal with uncertainty. 2. find solutions to optimize problems. 3. analyze data. 4. perform clustering and classification.
計算機概論 抽象思考與演算法
作業 70%;期中考 15%;期末考 15% Exercise 70%; Midterm 15%; Final Exam 15%
| 週次 | 主題 |
|---|---|
| 第 1 週 | Optimization Problems (I) |
| 第 2 週 | Optimization Problems (II) |
| 第 3 週 | Graphs and Graph Optimization |
| 第 4 週 | Classes and Plotting Review |
| 第 5 週 | Stochastic Thinking |
| 第 6 週 | 國慶日 (停課) |
| 第 7 週 | Random Walks |
| 第 8 週 | Inferential Statistics |
| 第 9 週 | 期中考 |
| 第 10 週 | Monte Carlo Simulation |
| 第 11 週 | Sampling and Standard Error |
| 第 12 週 | Experimental Data (I) |
| 第 13 週 | Experimental Data (II) |
| 第 14 週 | Machine Learning |
| 第 15 週 | Statistical Fallacies |
| 第 16 週 | 期末考 |
| 第 17 週 | Project Review (I) |
| 第 18 週 | Project Review (II) |
Introduction to Computation and Programming Using Python-With Application to Computational Modeling and Understanding Data (third edition), by John V. Guttag, 2021, The MIT Press