查詢教學大綱與進度

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

113-2 341231 資料科學導論 1 3.0 3 ★ 白敦文資工二 50 4 　

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
113-2	341231	資料科學導論	1	3.0	3	★	白敦文	資工二	50	4

教學大綱與進度：

教師姓名白敦文　教師諮商時間(Office Hours)

Email twp@ntut.edu.tw

最後更新時間 2025-01-13 15:37:19

課程大綱本課程將初步介紹資料科學之基礎，帶領學程學生學習基本程式設計及相關工具應用，如何由手上之現有資料或網路資料進行發想及定義問題、學習使用適當演算法技術，由數據中探索資料之特殊樣式，提供最佳決策支援之依據。 This course introduces fundamental concepts of data science. Guide students to learn basic programming and application tools. Students will learn how to analyze data in hand or collect practical data from Internet, and try to define new and creative problems. In addition, students will also learn basic algorithms to approach the solutions. Exploring and discovering the special patterns of data can provide a way for the best decision support.

課程進度第 1 週: 課程介紹/資料分析概觀/商業智慧 (0219/0220) 第 2 週: 統計基礎 (0226/0227) 第 3 週: 資料倉儲 (0305/0306) 第 4 週: 資料探勘/資料視覺化 (0312/0313) 第 5 週: 決策樹分析 (0319/0320) 第 6 週: 迴歸分析 (0326/0327) 第 7 週: 迴歸分析 (0402) **0403 清明節補假第 8 週: 單純貝式分析 (0409/0410) **0409第一次小考第 9 週: 0416 期中考試週 **0417不上課第 10 週: 類神經網路(0423/0424) 第 11 週: 類神經網路 (0430/0501) 第 12 週: 群集分析 (0507/0508) 第 13 週: 群集分析/關聯規則探勘 (0514/0515) 第 14 週: 關聯規則探勘 (0521/0522) 第 15 週: 推薦系統支持向量機 (0528/0529) 第 16 週: 支持向量機/網路探勘(0604/0605) 第 17 週: 第二次小考(0611) / 實習資料總整分析 (0612) 第 18 週: 期末考 (0618)

評量方式與標準作業(20%)、小考(20%)、期中考試(30%)、期末考試(30%)

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
1. Lecture notes: 北科i學園 (https://istudy.ntut.edu.tw/learn/index.php) 1. Python Data Science Handbook by Jake VanderPlas (https://github.com/jakevdp/PythonDataScienceHandbook) 2. Data Analytics made accessible by Anil Maheshwari 3. Data Science from Scratch : First Principles with Python, 2/e by Joel Grus 4. An Introduction to Statistical Learning by Gareth James/Daniela Witten/Trevor Hastie/Robert Tibshirani (https://www.statlearning.com/)

課程諮詢管道每週一、週二16:00-18:00 @ 1524 (Dr. Pai) / 週四16:00~18:30 @ 1621(林煥智)
(宏裕科技大樓Hung-Yu Research Tech. Building)

延伸教學與資源

課程對應SDGs指標 SDG4：優質教育（Quality Education）
SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）

課程是否導入AI

備註
本課程主要是學習資料科學之數據分析技術基礎，目標是帶領學生學習如何使用機器學習技術分析大數據。

教師姓名	白敦文　教師諮商時間(Office Hours)
Email	twp@ntut.edu.tw
最後更新時間	2025-01-13 15:37:19
課程大綱	本課程將初步介紹資料科學之基礎，帶領學程學生學習基本程式設計及相關工具應用，如何由手上之現有資料或網路資料進行發想及定義問題、學習使用適當演算法技術，由數據中探索資料之特殊樣式，提供最佳決策支援之依據。 This course introduces fundamental concepts of data science. Guide students to learn basic programming and application tools. Students will learn how to analyze data in hand or collect practical data from Internet, and try to define new and creative problems. In addition, students will also learn basic algorithms to approach the solutions. Exploring and discovering the special patterns of data can provide a way for the best decision support.
課程進度	第 1 週: 課程介紹/資料分析概觀/商業智慧 (0219/0220) 第 2 週: 統計基礎 (0226/0227) 第 3 週: 資料倉儲 (0305/0306) 第 4 週: 資料探勘/資料視覺化 (0312/0313) 第 5 週: 決策樹分析 (0319/0320) 第 6 週: 迴歸分析 (0326/0327) 第 7 週: 迴歸分析 (0402) 0403 清明節補假第 8 週: 單純貝式分析 (0409/0410) 0409第一次小考第 9 週: 0416 期中考試週 **0417不上課第 10 週: 類神經網路(0423/0424) 第 11 週: 類神經網路 (0430/0501) 第 12 週: 群集分析 (0507/0508) 第 13 週: 群集分析/關聯規則探勘 (0514/0515) 第 14 週: 關聯規則探勘 (0521/0522) 第 15 週: 推薦系統支持向量機 (0528/0529) 第 16 週: 支持向量機/網路探勘(0604/0605) 第 17 週: 第二次小考(0611) / 實習資料總整分析 (0612) 第 18 週: 期末考 (0618)
評量方式與標準	作業(20%)、小考(20%)、期中考試(30%)、期末考試(30%)
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 1. Lecture notes: 北科i學園 (https://istudy.ntut.edu.tw/learn/index.php) 1. Python Data Science Handbook by Jake VanderPlas (https://github.com/jakevdp/PythonDataScienceHandbook) 2. Data Analytics made accessible by Anil Maheshwari 3. Data Science from Scratch : First Principles with Python, 2/e by Joel Grus 4. An Introduction to Statistical Learning by Gareth James/Daniela Witten/Trevor Hastie/Robert Tibshirani (https://www.statlearning.com/)
課程諮詢管道	每週一、週二16:00-18:00 @ 1524 (Dr. Pai) / 週四16:00~18:30 @ 1621(林煥智) (宏裕科技大樓Hung-Yu Research Tech. Building)
延伸教學與資源
課程對應SDGs指標	SDG4：優質教育（Quality Education） SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）
課程是否導入AI
備註	本課程主要是學習資料科學之數據分析技術基礎，目標是帶領學生學習如何使用機器學習技術分析大數據。