1101學期 課程基本資料/Course Information
系所 / 年級
課號 / 班別
學分數
選 / 必修
科目中文名稱
科目英文名稱
主要授課老師
開課期間
人數上限
已選人數
課程種類
課程類別
學程
全英授課
起始週 / 結束週 / 上課地點 / 上課時間
第1週 / 第18週 / M305 / 星期1第5節
第1週 / 第18週 / M305 / 星期1第6節
第1週 / 第18週 / M305 / 星期2第8節
第1週 / 第18週 / M305 / 星期1第6節
第1週 / 第18週 / M305 / 星期2第8節
請各位同學遵守智慧財產權觀念；請勿非法影印。
Please observe Intellectual Property Rights (IPR), not to make illegal copies.
教學綱要/syllabus
第一部分/Part I(※依課程委員會審議之內容決議填入)
一、教學目標所要達成之能力培養項目:
[依據課程委員會審議通過之課程與基本素養/核心能力關聯表填寫]
| Item | 基本素養/核心能力 Core Literacy/Core Competencies | 相關性 Relevance | |
| 高度相關 | 中度相關 | ||
| 1 | 專業能力 |  |
. |
| 2 | 溝通能力 | . |
. |
| 3 | 分析與問題解決能力 | |
. |
| 4 | 倫理觀 | . |
. |
| 5 | 國際觀 | . |
. |
| SDGs Item | SDGs目標 SDGs goal |
SDGs描述 SDGs description |
| 無相關項目 No related items |
||
二、教學目標
(Objective)
資料科學被視為21世紀最具吸引力的工作。它將是未來成長最快速使用最廣泛的技能之一。特別是處理數以億萬計的巨量資料時，更是不可或缺的能力。
2.技能面[使學生能獲得運用與實做本課程理論與概念之技巧]：
資料科學可視為以下三大領域的交集： 1. 問題解決能力 2. 數學與統計知識 3. 實質性的專業知識
3.情意面[能引發學生對本課程之興趣，激發學生學習動機，增加觸類旁通與自主學習]：
本課程目標在於協助學生發展解決問題能力，數學與統計知識並應用在專業領域上
三、符合教學目標之課程內容設計
四、先修科目
(Pre Course)
第二部分/Part II
一、多元教學方法
(Teaching Method)
| 由學生自訂學習目標與抱負水準 | 案例或故事討論 | 講述 | |
| 學生課後書面報告 | 小組討論 | 學生上台報告 | 腦力激盪 |
| 學生實作 | 角色演練 | 習題練習 | 影片欣賞與討論 |
| 採訪 | e化教學 | 審議式民主 | 觀察與資料收集 |
| 一分鐘回饋 | 磨課師課程 | 翻轉教學 | 其他 |
| 企業參訪 | 與課程有關之實務學習 | 見習 | 實習 |
| 協同教學 | 服務學習課程 | 其他系課程委員會核定之實務學習項目 | 以「技能導向」的教學設計 |
| 以「病人為中心」的教學設計 | 問題導向教學法 | 設計導向教學法 | 專題導向教學法 |
| 總結性教學法 | 導入USR計畫成果 | 一分鐘環保 | 課程改革 |
| 同步和非同步設計 | 整體課程鷹架設計 | 問題導向設計 | 主題或個案討論 |
| 數位説故事 | 引導學生有效學習策略（如，WSQ, WPAQ, SQ3R） | 群體決策（線上投票） | 同儕合作專題學習 |
| 同儕回饋 | 同儕亙評 | 同儕出題 | 同儕師徒制（高分和低分一組） |
| 同儕透過網路協作共同完成作業或專題 | 小組報告 | 小組競賽 | 課堂中每段落實施簡易小測驗 |
| 學生訂正學習策略 | 學生學習行為增強措施 | 課堂末回饋（學生回饋學習心得和疑問） | 學生線上學習歷程分析 |
| 線上搶答 | |||
二、多元教學方法與教育目標的連結
| 您所勾選之教學方法與何種基本素養/核心能力有關? | 1 | 3 |
| 1.講述 | 2.小組討論 | 3.學生上台報告 | 4.腦力激盪 | 5.學生實作 | 6.習題練習 | 7.e化教學 | 8.觀察與資料收集 |
三、參考書目 (Reference)
[符合教學目標之參考書目]
| 中文參考書目 | Data Science from Scratch First Principles with Python |
| 英文參考書目 | Data Science from Scratch First Principles with Python |
四、教學進度
(Syllabi)
[符合教學目標之教學進度]
| 日期 (Date) |
授課內容 (Course Contents) |
授課教師 (Teacher) |
核心能力 | 授課方式 (Teaching methods) |
|
| 1 | 3 | ||||
| 2021/9/15 | 資料科學簡介 Introduction of Data Science |
簡智崇 | |||
| 2021/9/22 | Python 基礎課程 A Crash Course in Python |
簡智崇 | |||
| 2021/9/29 | 視覺化資料 Visualizing Data |
簡智崇 | |||
| 2021/10/6 | 使用Python處理線性代數 Linear Algebra |
簡智崇 | |||
| 2021/10/13 | 國定假日 Holiday |
簡智崇 | |||
| 2021/10/20 | 統計分析與Python Statistics |
簡智崇 | |||
| 2021/10/27 | 假設檢定與推論分析 Hypothesis and Inference |
簡智崇 | |||
| 2021/11/3 | 假設檢定與推論 Hypothesis and Inference |
簡智崇 | |||
| 2021/11/10 | 期中考 Mid-term Exam |
簡智崇 | |||
| 2021/11/17 | 梯度下降法 Gradient Descent |
簡智崇 | |||
| 2021/11/24 | 資料蒐集方法 Getting Data |
簡智崇 | |||
| 2021/12/1 | 整梳資料 Working with Data |
簡智崇 | |||
| 2021/12/8 | 機器學習 Machine Learning |
簡智崇 | |||
| 2021/12/15 | k-Nearest Neighbors 分類演算法 k-Nearest Neighbors |
簡智崇 | |||
| 2021/12/22 | 簡單線性迴歸 Simple Linear Regression |
簡智崇 | |||
| 2021/12/29 | 多元迴歸分析 Multiple Regression |
簡智崇 | |||
| 2022/1/5 | 邏輯式迴歸分析 Logistic Regression |
簡智崇 | |||
| 2022/1/12 | Fianl Exam Fianl Exam |
簡智崇 | |||
五、多元評量方法
(Evaluation)
[所勾選評量方法之評分加總為100分]
| 評量方式 | 分數 | 評量方式 | 分數 |
| 實作測驗 | 10 | 期中筆試 | 35 |
| 隨堂筆試測驗 | 0 | 期末筆試 | 0 |
| 小組作業 | 0 | 期中報告 | 0 |
| 服務日誌 | 0 | 期末報告 | 35 |
| 口試 | 0 | 專題報告 | 0 |
| 個人上台報告 | 0 | 實作作品與反思 | 0 |
| 小組上台報告 | 0 | 前後測比較進步與成長 | 0 |
| 出席狀況 | 20 | 課堂參與與表現 | 0 |
| 心得與反思報告 | 0 | 其他 | 0 |
六、多元評量方法與教育目標的連結
| 您所勾選之評量方法與何種基本素養/核心能力有關? | 1 | 3 |
| 1.實作測驗 | ||
| 2.期中筆試 | ||
| 3.期末報告 | ||
| 4.出席狀況 |