教學大綱與進度

課程基本資料：

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
110-1	294321	巨量資料分析導論	1	3.0	3	★	王正豪	資工三	73	4	◎

教學大綱與進度：

教師姓名	王正豪
Email	jhwang@ntut.edu.tw
最後更新時間	2021-09-01 15:05:17
課程大綱	本課程為大學部的巨量資料分析導論基礎課程，主要介紹資料前處理、資料探勘概念、關聯分析、分類、分群、平行化程式設計、分散式計算、以及實際分析平台工具如: MapReduce, Spark等。除了基本概念的介紹外，透過程式練習以及期末專題，能讓學生深入理解巨量資料分析的基本原理以及實際工具的運用。
課程進度	Part I: Data mining concepts (8 wks) 1. Introduction to big data & preprocessing (1wk) 2. Frequent pattern mining (2 wks) 3. Data classification (2 wks) 4. Data clustering (2 wks) Midterm exam (1 wk) Part II: Distributed platforms & Parallel programming (6 wks) 1. Introduction to distributed platforms: Hadoop & Spark (1 wk) 2. Parallel programming paradigm & concepts (1 wk) 3. MapReduce programming: pairs & stripes, relational algebra (2 wks) 4. More examples: matrix multiplication, similarity (2 wks) Term project presentation (3 wks)
評量方式與標準	Homework assignments and programming exercises: ~40% Mid-term exam: ~25-30% Term project and presentation: ~30-35%
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】 使用外文原文書：是 Textbooks: 1. Jiawei Han, Micheline Kamber, and Jian Pei, Data Mining: Concepts and Techniques, 3rd edition, Morgan Kaufmann, 2011. 2. Data-Intensive Text Processing with MapReduce, Jimmy Lin and Chris Dyer. Morgan & Claypool Publishers, 2010. References: 1. Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeff Ullman, 2nd edition, Cambridge University Press, 2014. 2. Recent academic papers, tutorials, and slides.
課程諮詢管道	遠距教學時可透過 e-mail、教師個人課程網頁聯絡老師，如需線上諮詢，可透過線上通訊軟體，或另約時間。
課程對應SDGs指標
備註	●上課方式：遠距上課 ●評量方式： 程式及作業~40%, 期中考~25%, 期末專題~35%. 期中考採遠距open-book測驗。 期末專題遠距線上報告，並線上繳交報告電子檔。 ●補充說明資訊： 請見: https://myweb.ntut.edu.tw/~jhwang/BDA/