資料科學概論與應用實務
Introduction to Data Science: Concepts & Practice
| 節 | 週一 |
|---|---|
3 10:10–11:00 | 資料科學概論與應用實務 CS105 2 節連堂 |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
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。 3.首先,透過常見的電腦試算表(Microsoft Excel or Google Sheets) 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。 4.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。
無
教學方法: ---------- * 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。 * 其次是闡釋有關網際網路的應用領域及刺激學生的思考,加強學生的自學與分析的能力。 教學資源使用情況和相關配合事項:(如教學網站、校內外配合單位,所需設備或其他軟硬體等事項等) 1. 借用資訊中心電腦教室 2. 遠端視訊系統 (輔助) - 擬使用 Microsoft Teams 教學平台 3..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 11 (or macOS) 平台 * 2.2 電腦軟體系統暨應用軟體 ( Microsoft 365 Excel or Google Sheet) 其他 (如有使用其他軟體 -- 學期中, 另外安排/指定)
評量形式 | 所佔比例 | 相關說明(如執行方式、質與量要求、次數等) -------- 1. 作業 (45%) 約 4〜5次 2. 學期專案 - (15%) 資料視覺化應用 -- 以Python 程式來學習常見的圖形 (直條圖, 圓餅圖, 折線圖等) 3.期中考 (20%) 預計於8 (or9) 週, 電腦教室課堂,上機考試 4.期末考 (20%) 預計於16 週, 電腦教室課堂,上機考試
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程導論 (1) 資料科學簡介 (2) 機器學習應用 |
| 第 2 週 | 資料科學實作平台 (1) Excel-like 軟體簡介 (1/2) A.公式與函數的應用 B.統計圖表 (數據視覺化) C.排序與篩選 (2) 資料視覺化工具 - 使用 Excel 內建繪圖工具 - Python + 繪圖模組 |
| 第 3 週 | 作業#1 試算表軟體操作 *P1 –自行蒐集編輯數據資料 *P2 – 數據視覺化 (利用公開資料取得資料) *P3 – 機器學習_雲端實驗平台 (Google Teachable Machine) |
| 第 4 週 | 資料科學基礎篇 - 初探資料科學 [1/2] * 取得資料 + 資料處理 + 資料視覺化 [1/2] |
| 第 5 週 | 資料科學基礎篇 - 初探資料科學 [2/2] |
| 第 6 週 | 1).資料科學的探索性分析 [1/2] 2). HW#02 (Excel P1.基本操作 + P2.數據探索性分析) *P1 – Excel 基本操作 (函數運用, 拖曳填滿,排序/過濾) *P2 -資料處理 (挑出異常數值, 補缺失) *P3 – 數據視覺化 |
| 第 7 週 | 1) 資料科學的探索性分析 [2/2] **由資料間的「關聯性」找出重要的「特徵」 2) 認識機器學習演算法 [1/6] 常見的機器學習演算法簡介 A. 線性回歸 (趨勢預測) B. KNN ( K-最近鄰居法 – 分類) C. K-Means ( K-平均法 – 分群) D. MLP (Multi-layer Perceptron) 做分類 |
| 第 8 週 | 1) 機器學習演練實務 [2/6] - 線性回歸分析作趨勢預測 2). Hw#03 (P1.數據探索性分析 + P2.趨勢預測) |
| 第 9 週 | 期中考試 -- 課堂考試 |
| 第 10 週 | 機器學習演練實務 [3/6] - KNN作分類 [1/2] |
| 第 11 週 | 機器學習演練實務[4/6] -- KNN 做分類 [2/2] |
| 第 12 週 | 1).機器學習演練實務 [5/8] -- K-Means作分群 [1/2] 2).Hw#04 (KNN分類/K-means 分群) |
| 第 13 週 | 機器學習演練實務 [6/8] -- K-Means作分群 [2/2] |
| 第 14 週 | 1.) 機器學習演練實務 [7/8] -- MLP作分類 [1/2] 2).Hw#05 (MLP做分類) |
| 第 15 週 | 機器學習演練實務 [8/8] -- MLP作分類 [2/2] **課程複習 -數據分析 + 機器學習 |
| 第 16 週 | 學期考試 -- 課堂考試 |
A. 教科書列表: --------- *書名:“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 B. 自製講義或課本之參考書目: --------------------------------- A. 參考書_1: “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) B. 參考書_2: “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
- 光復校區, 資訊館 327室
- 時間
- A. Mon 12:20 - 13:20 B. Thu 11:00 - 12:0
- 聯絡方式
- *E-mail: jcs.chen@nycu.edu.tw *Phone: x31721