資料探勘
Data Mining
學期
114-2
學分
3
學分
當期課號
537002
永久課號
MGMS30133
開課單位
管理科學系
授課教師
林斯寅
校區
光復
類別
選修
上課時間表
| 節 | 週二 |
|---|---|
5 13:20–14:10 | 資料探勘 M105 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
本課程將介紹資料探勘的基本理論和技術，涵蓋資料準備、資料挖掘方法、模型評估和實務應用。課程內容包括監督式與非監督式方法如關聯規則、決策樹、迴歸分析、支援向量機、類神經網路等。學生將學習使用資料探勘工具進行實作，並應用這些技術解決實際問題。
先修科目
無
教學方式
1. 使用授課、報告、實作、討論等教學方式。 2. 使用學校數位教學平台配合授課。 3. 部分課程將搭配線上非同步課程授課。 4. 與業師合作之NVIDIA認證課程時間可能會安排於週末。 5. 欲修課同學請於開課第一週務必出席，未到課瞭解課程安排與規定者將退選或不予加選。
評分方式
1. 課程參與、平時作業(10%) 2. 程式實作(30%) 3. 筆試測驗(20%) 4. 論文報告(20%) 5. 主題報告(20%)
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程簡介與資料準備 |
| 第 2 週 | 資料探勘與AI研究介紹 |
| 第 3 週 | 資料探勘與智慧分析方法概論 |
| 第 4 週 | 建模基礎與資料前處理 |
| 第 5 週 | 資料網路爬蟲實作 (實作1: Web Crawler) |
| 第 6 週 | Guest Lecture 台北醫學大學 張詠淳 教授 生成式AI時代下的智慧商業與精準醫療新契機 |
| 第 7 週 | 關聯規則分析 Association Rules 主題報告1 |
| 第 8 週 | 分群分析 Cluster Analysis and K-means 主題報告2 |
| 第 9 週 | 決策樹與隨機森林 Decision Trees and Random Forests 主題報告3 |
| 第 10 週 | 最近鄰居法與支援向量機 KNN and SVM 主題報告4 |
| 第 11 週 | 類神經網路與深度學習簡介 主題報告5 |
| 第 12 週 | MNIST實作練習 (實作2) 期中測驗 |
| 第 13 週 | 深度學習方法1 (業師授課) NVIDIA DLI認證實作課程 深度學習基礎理論與實踐 上課時間: 5/30 10:00-13:00 |
| 第 14 週 | 深度學習方法2 (業師授課) NVIDIA DLI認證實作課程 深度學習基礎理論與實踐 上課時間: 5/30 14:00-17:00 |
| 第 15 週 | 論文期末報告1 |
| 第 16 週 | 論文期末報告2 |
教科書
大數據分析與資料挖礦, 簡禎富/許嘉裕, 前程文化
Office Hours
- 時間
- By Appointments
- 聯絡方式
- 請使用數位教學平台E3郵件