資料科學與人機互動
Data Science and Human- Computer Interaction
| 節 | 週三 |
|---|---|
2 09:00–09:50 | 資料科學與人機互動 HB204 3 節連堂 |
3 10:10–11:00 | |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
This course aims to explore how data science methods can be applied to deeply understand and quantify human behavior in human-computer interaction. This course focus is on the collection, analysis, and application of user behavioral and emotional data. Students will learn to collect data from multiple sources, including web data, eye tracking, and facial emotions, and develop essential skills in data cleaning, visualization, and machine learning. 本課程旨在探索如何運用資料科學方法，深入理解與量化人機互動中的使用者行為。課程核心聚焦於使用者行為與情緒數據的收集、分析與應用。學生將學習從網路數據、眼球追蹤、臉部情緒分析等多種管道獲取資料，並掌握資料清理、視覺化與機器學習等核心技能。透過理論與實作並重的教學，學生將能設計並完成一個整合資料驅動洞察的期末專題。本課程適合對使用者經驗、人機互動、心理學、資料科學或設計有興趣的學生，培養其跨領域的數據分析與設計思維。
本綱要僅供選課參考，正式授課大綱將於開學第一週於課堂中公布。
導讀和考試 (60%) 期末成果 (30%) 課堂參與 (10%)
| 週次 | 主題 |
|---|---|
| 第 1 週 | Course Introduction (課程導論) |
| 第 2 週 | Introduction to Data Science Tools (資料科學工具入門) Python Programming (Python程式語言) |
| 第 3 週 | Web Data Collection (網路數據收集與爬取) |
| 第 4 週 | Data Preprocessing and Cleaning (數據清洗與整理) |
| 第 5 週 | Vector and Matrix Operations (向量與矩陣運算) |
| 第 6 週 | Exploratory Data Analysis (探索性資料分析) |
| 第 7 週 | Eye-Tracking Data Analysis and Statistical Data Visualization (眼動數據分析與統計資料視覺化) |
| 第 8 週 | Midterm Exam (期中考) |
| 第 9 週 | Cluster Analysis and Principal Component Analysis (集群分析與主成分分析) |
| 第 10 週 | Regression and Classification Models (迴歸與分類模型) |
| 第 11 週 | Regression and Classification Models (迴歸與分類模型) |
| 第 12 週 | Model Validation and Evaluation (模型驗證與評估) |
| 第 13 週 | Tree Structures and Decision Trees (樹狀結構與決策樹) |
| 第 14 週 | Project Discussion (專題討論) |
| 第 15 週 | Work Day |
| 第 16 週 | Final Presentation (期末成果) |
- 地點
- HB218
- 時間
- 請Email與授課老師聯絡：fshsu@nycu.edu.tw
- 聯絡方式
- fshsu@nycu.edu.tw