数据科学基础
教师: 顏春煌
国立空中大学
2020/06/29
概要
课程目标
授课教师
课程进度表
课程内容
上课形式
评分标准

概要

本课程完整地介绍数据科学的基础知识，从应用案例创建数据科学的思维，从理论与实务阐述数据科学的运用，并通过各种数据分析的算法让学习者体验数据科学的用途

课程目标

  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

授课教师

  • 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

课程进度表

第1周:认识数据科学

第2周:数据科学处理数据的方法

第3周:认识数据分析

第4周:机器学习

第5周:数据分析建模

第6周:数据科学的语言与工具

课程内容

本课程通过「数据」的特性帮助学习者创建数据科学的基本知识，运用各种应用案例来阐述数据价值链的思维，并厘清数据科学与统计或是数据采矿等领域的差异

上课形式

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。學員完成本課程的4次作業並取得通過成績，即可達到結業標準

评分标准

  • 課程及格標準: 70分  滿分： 100分
  • 平時測驗：無
  • 平時作業：4次
  • 期中考：無
  • 期末考：無

通过标准


Course grade pass:70Grade Memo:max grade 100 point

先修科目或先备能力

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

建议参考书目

 

  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。

 

TOP
TOP