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 / H506 / 星期1第10節
第1週 / 第18週 / H506 / 星期1第11節
第1週 / 第18週 / H506 / 星期1第12節
第1週 / 第18週 / H506 / 星期1第11節
第1週 / 第18週 / H506 / 星期1第12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 | 具有資訊專業領域之知識 | . |
. |
| 2 | 具有創新思考、獨立解決問題之能力 |  |
. |
| 3 | 具有撰寫專業論文及簡報能力 | . |
. |
| 4 | 具策劃及執行專案之能力 | . |
. |
| 5 | 具有溝通、協調及跨領域團隊合作之能力 | |
. |
| 6 | 具有終身學習與因應資訊專業領域快速發展之能力 | . |
. |
| 7 | 認識並遵循學術與工程倫理 | . |
. |
| 8 | 具國際觀及科技前瞻視野 | |
. |
| 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)
隨著資訊科技產業的蓬勃發展，各種計算與儲存的資料正快速地產生與累積，此龐大的資料量已非傳統運算方法與儲存技術所能直接處理，而大數據裡的豐富訊息也遠超乎傳統數學與統計建模所能涵蓋。如何充分掌握不斷變動的各種大量非結構化資料，如: 文字、圖片、影像與交易資料等特性，以及如何釐清數據間錯綜複雜的關聯與因果，如: 基因體與臨床數據，環境與生態資料等，深入探討資料科學學理，開發並更新資料分析的方法與策略，從資料中發掘有價值的知識，並為相關專業領域或決策單位提供更具前瞻性、高明、即時且更能提升各種效益的方略，乃為此新興領域資料科學的核心價值。
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]：
資料科學是一門跨領域的學問，基本上由三大面向所構成：資訊科學、數學與統計學和領域知識。本學程可提供卓越的教學研究環境和跨領域的研發技術，培育大量優秀的資料科學高階人才，以促進資料科學學理與技術應用的研發，並輔助相關專業領域或產業的發展與保持知識與技術的領先，以達經世濟民的終極目的。
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]：
結合資訊科學、數學與統計、高效能計算與實際問題應用。 具備到學術界從事高品質的研究與教學工作，或到工業界從事開創性的高階研發與加值工作的能力。 利用資料科學知識解決其它領域問題的機會，有助整體科學研究的提升。
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? | 2 | 5 | 8 |
| 1.講述 | 2.小組討論 | 3.學生實作 | 4.習題練習 | 5.e化教學 | 6.專題導向教學法 |
三、參考書目 (Reference)
[符合教學目標之參考書目]
| 中文參考書目 | |
| 英文參考書目 | Python Data Science Handbook Essential Tools for Working with Data By Jake VanderPlas Publisher: O'Reilly Media Release Date: November 2016 Pages: 541 |
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) |
||
| 2 | 5 | 8 | ||||
| 2021/9/13 | Introduction to this Course and its Rules
Python Environment Setup: Anaconda (Local) and Colab (Cloud) Introduction to this Course and its Rules Python Environment Setup: Anaconda (Local) and Colab (Cloud) |
何承遠 | ||||
| 2021/9/20 | Python Crash Course I Python Crash Course I |
何承遠 | ||||
| 2021/9/27 | Python Crash Course II Python Crash Course II |
何承遠 | ||||
| 2021/10/4 | Numpy, Matplotlib Numpy, Matplotlib |
何承遠 | ||||
| 2021/10/11 | Pandas I Pandas I |
何承遠 | ||||
| 2021/10/18 | Pandas II Pandas II |
何承遠 | ||||
| 2021/10/25 | Machine Learning with Scikit-Learn Machine Learning with Scikit-Learn |
何承遠 | ||||
| 2021/11/1 | Midterm Project Discussion and Hands on Midterm Project Discussion and Hands on |
何承遠 | ||||
| 2021/11/8 | Midterm Project Presentation Midterm Project Presentation |
何承遠 | ||||
| 2021/11/15 | Deep Learning (with Tensorflow) Deep Learning (with Tensorflow) |
何承遠 | ||||
| 2021/11/22 | Linear Regression, K Nearest Neighbors, K Means Clustering, Decision Trees, Random Forests I Linear Regression, K Nearest Neighbors, K Means Clustering, Decision Trees, Random Forests I |
何承遠 | ||||
| 2021/11/29 | Linear Regression, K Nearest Neighbors, K Means Clustering, Decision Trees, Random Forests II Linear Regression, K Nearest Neighbors, K Means Clustering, Decision Trees, Random Forests II |
何承遠 | ||||
| 2021/12/6 | Natural Language Processing Natural Language Processing |
何承遠 | ||||
| 2021/12/13 | Case Study: Prediction Application I Case Study: Prediction Application I |
何承遠 | ||||
| 2021/12/20 | Case Study: Prediction Application II Case Study: Prediction Application II |
何承遠 | ||||
| 2021/12/27 | Final Project Discussion and Hands on I Final Project Discussion and Hands on I |
何承遠 | ||||
| 2022/1/3 | Final Project Discussion and Hands on II Final Project Discussion and Hands on II |
何承遠 | ||||
| 2022/1/10 | Final Project Presentation Final Project Presentation |
何承遠 | ||||
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 | 0 | 期中筆試 | 0 |
| 隨堂筆試測驗 | 0 | 期末筆試 | 0 |
| 小組作業 | 0 | 期中報告 | 30 |
| 服務日誌 | 0 | 期末報告 | 30 |
| 口試 | 0 | 專題報告 | 20 |
| 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? | 2 | 5 | 8 |
| 1.期中報告 | |||
| 2.期末報告 | |||
| 3.專題報告 | |||
| 4.出席狀況 |