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
111-1	308849	巨量資料分析導論	1	3.0	3	★	王正豪	資工三	39	0

教學大綱與進度：

教師姓名	王正豪　教師諮商時間(Office Hours)
Email	jhwang@ntut.edu.tw
最後更新時間	2022-09-07 15:24:55
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 (1 wk) 2. Frequent pattern mining (2 wks) 3. Data classification (2 wks) 4. Data clustering (2 wks) 5. 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 (4 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. Jimmy Lin and Chris Dyer, Data-Intensive Text Processing with MapReduce, Morgan & Claypool Publishers, 2010. - References: 1. Jure Leskovec, Anand Rajaraman, Jeff Ullman, Mining of Massive Datasets, 2nd edition, Cambridge University Press, 2014. 2. Recent academic papers, tutorials, and slides. - Latest information available soon at: https://myweb.ntut.edu.tw/~jhwang/BDA/
課程諮詢管道	1. 可以透過 e-mail 或 Microsoft Teams 裡的訊息聯絡到老師。 2. 助教會建立 Facebook 的課程社群，以供同學詢問作業或考試相關問題。
備註	1. 課程皆會錄影，並於課後放上北科i學園，教材與相關訊息將公布在以下管道: 北科i學園、Teams、或課程網頁。 2. 若學校因應疫情改採遠距教學，將使用 Teams上課 （帳號: 學號@cc.ntut.edu.tw），並同步錄影。 3. 所有修課同學已經自動被加入課程Teams團隊。如果你是特殊情形加選，或是需要在開學後才能選課完成，目前仍未被加入本課程之Teams團隊，歡迎來信: jhwang@ntut.edu.tw，並註明課程名稱與你的班級、姓名。