Course Syllabus

Course Information：

Year-Semester Course Number Course Name Phase Credits Hours Required/Elective Instructor Class Student NO. Withdraw Note

Fall Semester
Year 2026 365718 Data Science 1 3.0 3 ★ Jenq-Haur Wang
Tun-Wen Pai AI雙聯專班 0 0 碩一修

Year-Semester	Course Number	Course Name	Phase	Credits	Hours	Required/Elective	Instructor	Class	Student NO.	Withdraw	Note
Fall Semester Year 2026	365718	Data Science	1	3.0	3	★	Jenq-Haur Wang Tun-Wen Pai	AI雙聯專班	0	0	碩一修

Course Plan：

Instructor Tun-Wen Pai　Office Hours

Email twp@ntut.edu.tw

Last Updated 2026-06-20 11:32:01

Course Objective 資料科學為最熱門的職業之一，各行各業對於數據分析的人才需求正在蓬勃發展，本課程在於培育從事資料科學或機器學習的人員來發展相關知識和技能。課程內容以線性代數、機率、統計學等工程數學為理論學習基礎，操作Python作為資料科學的實作工具，包括其相關Python基礎語法、各種資料型態、數據可視化、開源工具等。接著學習利用Python取得數據資料，進而操作各種迴歸分析來手動分析數據資料，並實作梯度遞減，決策樹等最佳化演算方法。最後則是介紹機器學習、深度學習等最新的AI演算方法來分析大數據並輔助決策。 Data Science has been ranked as one of the hottest professions and the demand for data practitioners is booming. This course is designed to develop people engaged in data science or machine learning to develop relevant knowledge and skills. You will understand how data science works based on mathematics, such as linear algebra, probability and statistics. Python is the best tool to learn how to conduct data science analyze data. Learn the basic language skills, common data types, visualization tools and extended modules for data grabbing and regression analysis. Gradient decent and decision tree for optimization will be covered. Finally, AI algorithm, machine learning, and deep learning, are introduced how data help in decision making.

Course Schedule 第 1 單元: Introduction( 課程介紹/資料分析概觀/AI ChatGPT範例) 第 2 單元: Business Intelligence( 商業智慧/統計基礎) 第 3 單元: Data Wharehousingㄥ Mining (資料倉儲資料探勘) 第 4 單元: Data Visualization (資料視覺化) 第 5 單元: Decision Tree( 決策樹介紹 ) 第 6 單元: Logistic Regression (迴歸分析介紹) 第 7 單元: Neurow Network (類神經網路介紹) 第 8 單元: Clustering( 群集分析) 第 9 單元: Association Mining (關聯規則探勘) 第 10 單元: Text Mining (文字探勘技術) 第 11 單元: Naive Bayes (單純貝式分析) 第 12 單元: Support Vector Machine (支持向量機)

Evaluation and grading policy Homework (作業50%)、Final Report(期末專題報告 50%)

Materials All right reserved. Do not reproduce without permission.

Foreign-language textbooks:No
第 1 單元: Introduction( 課程介紹/資料分析概觀/AI ChatGPT範例) 第 2 單元: Business Intelligence( 商業智慧/統計基礎) 第 3 單元: Data Wharehousingㄥ Mining (資料倉儲資料探勘) 第 4 單元: Data Visualization (資料視覺化) 第 5 單元: Decision Tree( 決策樹介紹 ) 第 6 單元: Logistic Regression (迴歸分析介紹) 第 7 單元: Neurow Network (類神經網路介紹) 第 8 單元: Clustering( 群集分析) 第 9 單元: Association Mining (關聯規則探勘) 第 10 單元: Text Mining (文字探勘技術) 第 11 單元: Naive Bayes (單純貝式分析) 第 12 單元: Support Vector Machine (支持向量機)析

The access to curricular consultation 白敦文老師 @ 科研大樓 1524
Monday 16:00-18:00
Thursday 16:00-18:00
蔡嘉銨助教 @ 科研大樓 1621
Friday 16:00-19:00
Sunday 16:00~19:00

Expanding teaching and resources ● 混成學習 (Blended Learning)
課程結合實體授課與線上學習（同步視訊／非同步活動）。
Combines face-to-face instruction with online learning (including synchronous video sessions or asynchronous activities).
● 數位科技融入 (Digital Technology Integration)
運用生成式AI、VR/AR、IoT、IRS等新興科技輔助教學與評量。
Utilizes emerging technologies such as Generative AI, VR/AR, IoT, and IRS (Interactive Response Systems) to facilitate teaching and assessment.
● 數位教材資源應用 (Application of Digital Resources)
採用影音多媒體或具開放授權之資源（如OCW、開放教科書）作為主要或輔助教材。
Adopts multimedia or open-licensed resources (e.g., OCW, Open Textbooks) as primary or supplementary teaching materials.

The course corresponds to the SDGs SDG3：良好健康和福祉（Good Health and Well-being）
SDG4：優質教育（Quality Education）
SDG5：性別平等（Gender Equality）
SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）
SDG12：負責任的消費與生產（Responsible Consumption and Production）

Does the course incorporate AI ● 使用生成式AI作為教學過程的輔助工具（Use generative AI tools as an aid to the teaching process）
● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools）
● 使用生成式AI進行課堂即時互動（Use generative AI for real-time classroom interaction）
● 簡單介紹AI的基本概念（Briefly introduce the basic concept of AI）

Note
教學使用 ChatGPT 及生成式AI進行基礎資料分析之相關應用

Instructor	Tun-Wen Pai　Office Hours
Email	twp@ntut.edu.tw
Last Updated	2026-06-20 11:32:01
Course Objective	資料科學為最熱門的職業之一，各行各業對於數據分析的人才需求正在蓬勃發展，本課程在於培育從事資料科學或機器學習的人員來發展相關知識和技能。課程內容以線性代數、機率、統計學等工程數學為理論學習基礎，操作Python作為資料科學的實作工具，包括其相關Python基礎語法、各種資料型態、數據可視化、開源工具等。接著學習利用Python取得數據資料，進而操作各種迴歸分析來手動分析數據資料，並實作梯度遞減，決策樹等最佳化演算方法。最後則是介紹機器學習、深度學習等最新的AI演算方法來分析大數據並輔助決策。 Data Science has been ranked as one of the hottest professions and the demand for data practitioners is booming. This course is designed to develop people engaged in data science or machine learning to develop relevant knowledge and skills. You will understand how data science works based on mathematics, such as linear algebra, probability and statistics. Python is the best tool to learn how to conduct data science analyze data. Learn the basic language skills, common data types, visualization tools and extended modules for data grabbing and regression analysis. Gradient decent and decision tree for optimization will be covered. Finally, AI algorithm, machine learning, and deep learning, are introduced how data help in decision making.
Course Schedule	第 1 單元: Introduction( 課程介紹/資料分析概觀/AI ChatGPT範例) 第 2 單元: Business Intelligence( 商業智慧/統計基礎) 第 3 單元: Data Wharehousingㄥ Mining (資料倉儲資料探勘) 第 4 單元: Data Visualization (資料視覺化) 第 5 單元: Decision Tree( 決策樹介紹 ) 第 6 單元: Logistic Regression (迴歸分析介紹) 第 7 單元: Neurow Network (類神經網路介紹) 第 8 單元: Clustering( 群集分析) 第 9 單元: Association Mining (關聯規則探勘) 第 10 單元: Text Mining (文字探勘技術) 第 11 單元: Naive Bayes (單純貝式分析) 第 12 單元: Support Vector Machine (支持向量機)
Evaluation and grading policy	Homework (作業50%)、Final Report(期末專題報告 50%)
Materials	All right reserved. Do not reproduce without permission. Foreign-language textbooks:No 第 1 單元: Introduction( 課程介紹/資料分析概觀/AI ChatGPT範例) 第 2 單元: Business Intelligence( 商業智慧/統計基礎) 第 3 單元: Data Wharehousingㄥ Mining (資料倉儲資料探勘) 第 4 單元: Data Visualization (資料視覺化) 第 5 單元: Decision Tree( 決策樹介紹 ) 第 6 單元: Logistic Regression (迴歸分析介紹) 第 7 單元: Neurow Network (類神經網路介紹) 第 8 單元: Clustering( 群集分析) 第 9 單元: Association Mining (關聯規則探勘) 第 10 單元: Text Mining (文字探勘技術) 第 11 單元: Naive Bayes (單純貝式分析) 第 12 單元: Support Vector Machine (支持向量機)析
The access to curricular consultation	白敦文老師 @ 科研大樓 1524 Monday 16:00-18:00 Thursday 16:00-18:00 蔡嘉銨助教 @ 科研大樓 1621 Friday 16:00-19:00 Sunday 16:00~19:00
Expanding teaching and resources	● 混成學習 (Blended Learning) 課程結合實體授課與線上學習（同步視訊／非同步活動）。 Combines face-to-face instruction with online learning (including synchronous video sessions or asynchronous activities). ● 數位科技融入 (Digital Technology Integration) 運用生成式AI、VR/AR、IoT、IRS等新興科技輔助教學與評量。 Utilizes emerging technologies such as Generative AI, VR/AR, IoT, and IRS (Interactive Response Systems) to facilitate teaching and assessment. ● 數位教材資源應用 (Application of Digital Resources) 採用影音多媒體或具開放授權之資源（如OCW、開放教科書）作為主要或輔助教材。 Adopts multimedia or open-licensed resources (e.g., OCW, Open Textbooks) as primary or supplementary teaching materials.
The course corresponds to the SDGs	SDG3：良好健康和福祉（Good Health and Well-being） SDG4：優質教育（Quality Education） SDG5：性別平等（Gender Equality） SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure） SDG12：負責任的消費與生產（Responsible Consumption and Production）
Does the course incorporate AI	● 使用生成式AI作為教學過程的輔助工具（Use generative AI tools as an aid to the teaching process） ● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools） ● 使用生成式AI進行課堂即時互動（Use generative AI for real-time classroom interaction） ● 簡單介紹AI的基本概念（Briefly introduce the basic concept of AI）
Note	教學使用 ChatGPT 及生成式AI進行基礎資料分析之相關應用