資料科學基礎(自學課程)
教師: 顏春煌
2023/09/04~2024/06/30

摘要

※本課程為自學課程,不提供測驗、討論區、證書等功能。亦無教師駐版!

本課程完整地介紹資料科學的基礎知識,從應用案例建立資料科學的思維,從理論與實務闡述資料科學的運用,並透過各種數據分析的演算法讓學習者體驗資料科學的用途。

課程目標

1.培養資料科學的基礎知識
2.了解資料科學的應用
3.了解數據分析的流程與資料的處理方法
4.認識常見的數據分析演算法
5.具備選擇、使用與評估數據分析演算法的能力

授課教師

  • 教師姓名:顏春煌
  • 教師簡介:
本課程教師顏春煌目前為國立空中大學管資系的教授,西元1994年於美國的愛荷華州立大學取得電腦科學博士學位,曾任教於美國印地安那州的Ball State University電腦科學系,專業領域為資料庫系統、數位學習與資料科學。

課程進度表

第1週:認識資料科學

第2週:資料科學處理資料的方法

第3週:認識數據分析

第4週:機器學習

第5週:數據分析建模

第6週:資料科學的語言與工具

課程內容

本課程透過「資料」的特性幫助學習者建立資料科學的基本知識,運用各種應用案例來闡述資料價值鏈的思維,並釐清資料科學與統計或是資料採礦等領域的差異。

上課形式

本課程分為六個主要單元,每個單元將由數個小單元所組成,包括可瀏覽的數位教材以及穿插其中的教學活動。

評分標準

※本課程為自學課程,不提供測驗、作業。

通過標準


課程及格標準:100滿分:100分

先修科目或先備能力

已修習本課程系列(資料科學在資訊安全的應用)「資訊安全入門與實務」課程之學習者,或是對於資料科學感到興趣的一般學習者。

建議參考書目

  1. Bahga, A. and V. Madisetti. (2016). Big Data Science & Analytics: A Hands-on Approach. Published by Arshdeep Bahga & Vijay Madisetti.
  2. Cady, F. (2017). The Data Science Handbook. Wiley.
  3. EMC Education Services. (2015). Data Science and Big Data Analytics. Wiley.
  4. Garcia, et al. (2016). Big data preprocessing: methods and prospects. Big Data Analytics.1:9.
  5. Hung, J. L. (2012). Trends of e-learning research from 2000 to 2008: Use of text mining and bibliometrics. British Journal of Educational Technology. 43(1), 5-16.
  6. Hurwitz, J., et al. (2013). Big Data For Dummies.Wiley.
  7. Kelleher, J. D., Namee, B. M. and D’Arcy, A. (2015). Fundamentals of Machine Learning for Predictive Data Analytics. The MIT Press.
  8. Lindstrom, M. The Tiny Clues That Uncover Huge Trends. 溫力勤、戴至中譯,(2017),小數據獵人,寶鼎出版。
  9. Maheshwari, A. Data Analytics Made Accessible.
  10. Meyer, D., K. Hornik, & I. Feinerer. (2008) Text Mining Infrastructure in R. Journal of Statistical Software, 25 (5). 1-54. ISSN 1548-7660.
  11. Mochizuki, T., S. Fujitani, Y. Isshiki, Y. Yamauchi & H. Kato. (2003). Assessment of Collaborative Learning for Students: Making the State of Discussion Visible for their Reflection by Text Mining of Electronic Forums. World Conference on E-learning in Corporate, Government, Healthcare, and Higher Education, Arizona, USA.
  12. Monino, J. & S. Sedkaoui. (2016). Big Data, Open Data and Data Development. Wiley.
  13. Provost, F. and T. Fawcett. (2013). Data Science for Business. O’Reilly.
  14. Ueno, M. (2004). Data mining and text mining technologies for collaborative learning in an ILMS “Samurai”. Proceedings of the IEEE International Conference on Advanced Learning Technologies (ICALT’04).
  15. Williamson, B. (2017). Big Data in Education: The digital future of learning, policy and practice. SAGE.
  16. Winston, W. L. (2016). Microsoft Excel 2016: Data Analysis and Business Modeling. Microsoft Press.
  17. 林俊宏譯,(2013),大數據:數位革命之後,資料革命登場:巨量資料掀起生活、工作和思考方式的全面革新,遠見天下文化出版。
  18. 陳姿穎譯,(2013),BIG DATA:讓你看見真實欲望,悅知文化。
  19. 數位時代,(2016),大數據全攻略:掌握商業應用的五大關鍵。網址:https://www.bnext.com.tw/article/41594/big-data-5-keys-to-success,查閱日期:2/19/2018。
  20. 劉勇志,民國106年,大數據(Big Data)分析與應用:使用Hadoop與Spark,台科大圖書公司。
  21. 涂子沛,(2015),數據之巔:大數據革命,歷史、現實與未來,香港中和出版有限公司。
  22. 城田真琴著,鐘慧真、梁世英譯,(2013),大數據的獲利模式,經濟新潮社出版。
  23. 陳琇玲譯,(2017),數據、謊言與真相:Google資料分析師用大數據揭露人們的真面目,商周出版。

證書資訊

本課程不核發修課通過證明。