Course Syllabus

Course Information：

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

Spring Semester
Year 2026 355337 Financial Data Science 1 3.0 3 ★ Sung-Shun Weng 4IFM2 62 0 　

Year-Semester	Course Number	Course Name	Phase	Credits	Hours	Required/Elective	Instructor	Class	Student NO.	Withdraw	Note
Spring Semester Year 2026	355337	Financial Data Science	1	3.0	3	★	Sung-Shun Weng	4IFM2	62	0

Course Plan：

Instructor Sung-Shun Weng　Office Hours

Email wengss@ntut.edu.tw

Last Updated 2025-12-19 16:30:00

Course Objective 本課程將帶領學生從基礎的資料科學概念開始，逐步學習各種資料科學(資料探勘/大數據分析)演算法與實作，並將所學應用於實際的金融資料分析問題中。課程內容涵蓋資料科學簡介、資料倉儲簡介、關聯法則分析，分類、群集分析、大數據分析、軟體介紹與實作等。 This course will lead students to start from basic data science concepts, gradually learn various data science (data mining/big data analysis) algorithms and implementations, and apply what they have learned to actual financial data analysis problems. The course content covers introduction to data science, introduction to data warehousing, association rule analysis, classification, cluster analysis, big data analysis, introduction and implementation of software, etc.

Course Schedule Week 1: 資料科學簡介 Week 2: 資料分析- 分類 (Classification) 介紹 I Week 3: 資料分析- 分類 (Classification) 介紹 II Week 4: 資料分析- 群集分析(Clustering Analysis) 介紹 I Week 5: 資料分析- 群集分析(Clustering Analysis) 介紹 II Week 6: 資料分析- 關聯法則(Association Rule) 介紹 Week 7: RapidMiner 安裝與資料匯入 Week 8: 資料前處理：缺漏值資料與不平衡小資料之處理 Week 9: 資料分析:決策樹/貝式/深度學習 Week 10: 期中分組報告 Week 11: 進階資料分析:模型調校/參數調校 Week 12: 專題演講 Week 13: 進階資料分析:時間序列 Week 14: 進階資料分析:文字探勘 Week 15: 進階資料分析:推薦系統 Week 16: 專題演講 Week 17: 企業參訪 Week 18: 期末考試/期末分組報告

Evaluation and grading policy 課堂出席: 20% 作業、小考與專題報告: 30% 期中報告: 20% 期末考或期末報告: 30%

Materials All right reserved. Do not reproduce without permission.

Foreign-language textbooks:No
(1) 上課用課本: 開學第一堂課宣布 (2) 上課用投影片: 上課前於 i學園Plus 下載

The access to curricular consultation (1) 使用 Email, (2) 使用 Line, (3) 教師諮商時間

The course corresponds to the SDGs SDG4：優質教育（Quality Education）

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）
● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）

Expanding teaching and resources

Note
　

Instructor	Sung-Shun Weng　Office Hours
Email	wengss@ntut.edu.tw
Last Updated	2025-12-19 16:30:00
Course Objective	本課程將帶領學生從基礎的資料科學概念開始，逐步學習各種資料科學(資料探勘/大數據分析)演算法與實作，並將所學應用於實際的金融資料分析問題中。課程內容涵蓋資料科學簡介、資料倉儲簡介、關聯法則分析，分類、群集分析、大數據分析、軟體介紹與實作等。 This course will lead students to start from basic data science concepts, gradually learn various data science (data mining/big data analysis) algorithms and implementations, and apply what they have learned to actual financial data analysis problems. The course content covers introduction to data science, introduction to data warehousing, association rule analysis, classification, cluster analysis, big data analysis, introduction and implementation of software, etc.
Course Schedule	Week 1: 資料科學簡介 Week 2: 資料分析- 分類 (Classification) 介紹 I Week 3: 資料分析- 分類 (Classification) 介紹 II Week 4: 資料分析- 群集分析(Clustering Analysis) 介紹 I Week 5: 資料分析- 群集分析(Clustering Analysis) 介紹 II Week 6: 資料分析- 關聯法則(Association Rule) 介紹 Week 7: RapidMiner 安裝與資料匯入 Week 8: 資料前處理：缺漏值資料與不平衡小資料之處理 Week 9: 資料分析:決策樹/貝式/深度學習 Week 10: 期中分組報告 Week 11: 進階資料分析:模型調校/參數調校 Week 12: 專題演講 Week 13: 進階資料分析:時間序列 Week 14: 進階資料分析:文字探勘 Week 15: 進階資料分析:推薦系統 Week 16: 專題演講 Week 17: 企業參訪 Week 18: 期末考試/期末分組報告
Evaluation and grading policy	課堂出席: 20% 作業、小考與專題報告: 30% 期中報告: 20% 期末考或期末報告: 30%
Materials	All right reserved. Do not reproduce without permission. Foreign-language textbooks:No (1) 上課用課本: 開學第一堂課宣布 (2) 上課用投影片: 上課前於 i學園Plus 下載
The access to curricular consultation	(1) 使用 Email, (2) 使用 Line, (3) 教師諮商時間
The course corresponds to the SDGs	SDG4：優質教育（Quality Education）
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） ● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）
Expanding teaching and resources
Note