資料科學與機器學習應用實務

Practice of Data Science and Machine Learning

學期

114-1

學分

3 學分

當期課號

574008

永久課號

GEIT00010

開課單位

資訊技術服務中心

授課教師

陳昌盛

校區

光復

類別

選修

上課時間表

節	週一
5 13:20–14:10	資料科學與機器學習應用實務 CS105 3 節連堂
6 14:20–15:10
7 15:30–16:20

* 根據陽明交大上課時間表所列

概述

1. 本課程為新開課程 (3學分) -- 前身,{ 資料科學概論與應用實務_2學分}, 舊課程, 本學期起, 已停開 * 由於新課程, 改成 3 學分 (3小時課程), 也順勢調整, 課程時段 -- 改為每周一 13:20 - 16:20 2. 本課程主要目地在於讓選課同學,了解「資料科學與機器學習(Data Science and Machine Learning), 以下簡稱DSML」學科領域之基本概念及相關應用的實務課程。 3. 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。 A).首先,透過常見的電腦試算表(Microsoft Excel or Google Sheets) 以及Python程式等相關軟體的展示,增加學生對學習DSML 領域以及相關應用領域(如數據視覺化)的興趣。 B).其次,是安排學生完成一項以Python 程式為主(搭配課堂作業進度)的實作專案,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。

先修科目

無

教學方式

A.線上學習網站_兩大網站 (Python 學習網站與數據視覺化) 1). 學習範例_1 (GeeksforGeeks), 首頁, https://www.geeksforgeeks.org/ *Python - Data Visualization Tutorial *範例: bar chart in Matplotlib – Python, URL https://www.geeksforgeeks.org/line-chart-in-matplotlib-python/ 2).學習範例_2, STEAM 教育學習網 (Python 教學), 網址 *https://steam.oxxostudio.tw/category/python/index.html

評分方式

1. 課程作業 [40%] - 約四次 2. 考試 [40%] - 期中考 (乙次, 9 or 10周), 期末考(乙次, 16 周) 3. 學期專案/報告 [15%] 4. 其他 [5%] - 綜合學習評量

週次計畫

週次	主題
第 1 週	課程導論
第 2 週	A).資料科學實作平台 – Excel-like 軟體和 Python 程式簡介 (1/2) B).資料科學基礎篇[1/3] - 初探資料科學 (取得資料 + 資料處理)
第 3 週	A).資料科學基礎篇[2/3] -資料視覺化 B).資料科學實作平台 – Excel-like 軟體和 Python 程式簡介 (2/2) 公式與函數的應用統計圖表 (數據視覺化) 排序與篩選 C).Hw#01 試算表軟體操作 P1 –簡單數據資料處理應用 (利用公眾平台取得資料) 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[3/3] --資料科學的探索性分析 * 由資料間的「關聯性」找出重要的「特徵」
第 5 週	常見的機器學習演算法簡介 [1/8] 線性回歸 (趨勢預測) KNN ( K-最近鄰居法 – 分類)
第 6 週	機器學習演練實務 [2/8] - 線性回歸分析作趨勢預測 *HW#02 (Excel P1.基本操作 + P2.數據探索性分析) P1 -數據資料處理 (挑出異常數值, 補缺失) *P2 – 數據視覺化
第 7 週	常見的機器學習演算法簡介 [3/8] KNN ( K-最近鄰居法 – 分類) K-Means ( K-平均法 – 分群) ** MLP (Multi-layer Perceptron) 做分類
第 8 週	機器學習演練實務 [3/8] - KNN作分類 [1/2] **Hw#03: KNN作分類 + 數據視覺化應用_3 (Python 實作演練)
第 9 週	機器學習演練實務[4/8] -- KNN 做分類 [2/2]
第 10 週	期中考試 -- 課堂考試
第 11 週	機器學習演練實務 [5/8] -- K-Means作分群 [1/2]
第 12 週	機器學習演練實務 [6/8] -- K-Means作分群 [2/2] * Hw#04: K-means 分群 + 數據視覺化應用_4 (Python 實作演練)
第 13 週	機器學習演練實務 [7/8] -- MLP作分類 [1/2]
第 14 週	機器學習演練實務 [8/8] -- MLP作分類 [2/2] * Hw#05: MLP做分類 + + 數據視覺化應用_5 (Python 實作演練)
第 15 週	課程複習 -數據分析 + 機器學習
第 16 週	學期考試 -- 課堂考試

教科書

1. 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” *作者姓名): 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 2. 其他自製講義(或線上教材) --------- 1.) 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) 2. 線上教學網站 - 數據視覺化 (Python + 常見外掛模組) * w3schools ( 網址, https://www.w3schools.com) -- Python, data science * GeeksForGeeks ( https://www.geeksforgeeks.org ) -- Python, data Science * Python 教學網站 - Python 程式 (學習/教學)

Office Hours

地點: 光復校區, 資訊館 327室
時間: A. Mon 10:00 - 11:00 B. Thu 11:00 - 12:00
聯絡方式: * E-mail: jcs.chen@nycu.edu.tw * Phone: x31721