重新查詢 | 回學校首頁

1081學期 課程基本資料/Course Information

系所 / 年級
人工智慧博士學位學程  1年級
課號 / 班別
EI100005 / A
學分數
3學分
選 / 必修
必修
科目中文名稱
資料科學
科目英文名稱
Data Science
主要授課老師
何承遠
開課期間
一學年之上學期
人數上限
20 人
已選人數
11 人
課程種類
一般課
課程類別
系定
學程
學程必修
全英授課

起始週 / 結束週 / 上課地點 / 上課時間

第1週 / 第18週 / H103 / 星期5第2節
第1週 / 第18週 / H103 / 星期5第3節
第1週 / 第18週 / H103 / 星期5第4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 tick

.

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 tick

.

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 tick

.


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)
1.認知面:[使學生理解、應用、分析、綜合、比較、推論、評估本課程之理論與概念]:
     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)
  無

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  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? 258
1.講述
2.小組討論
3.學生上台報告
4.學生實作
5.習題練習
6.e化教學
7.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]
教學進度與何種基本素養/核心能力有關?
日期
(Date)
授課內容
(Course Contents)
授課教師
(Teacher)
核心能力 授課方式
(Teaching methods)
258
2019/9/13 中秋節放假
Mid-Autumn Festival
何承遠     
2019/9/20 Python程式語言及Colab介紹
Introduction to Python and Colab programming
何承遠     
2019/9/27 Python I/O and Data Structures
Python I/O and Data Structures
何承遠     
2019/10/4 Python Data Analysis Library
Python Data Analysis Library
何承遠     
2019/10/11 國慶日連假
National day
何承遠     
2019/10/18 Python Graph Gallery I
Python Graph Gallery I
何承遠     
2019/10/25 Python Graph Gallery II
Python Graph Gallery II
何承遠     
2019/11/1 scikit-learn: machine learning in Python
scikit-learn: machine learning in Python
何承遠     
2019/11/8 期中專題 (期中考週)
Midterm Project
何承遠     
2019/11/15 Python & Tensorflow I
Python & Tensorflow I
何承遠     
2019/11/22 Python & Tensorflow II
Python & Tensorflow II
何承遠     
2019/11/29 AOI (Automated Optical Inspection)
AOI (Automated Optical Inspection)
何承遠     
2019/12/6 AIDEA I
AIDEA I
何承遠     
2019/12/13 AIDEA II
AIDEA II
何承遠     
2019/12/20 AI Cup
AI Cup
何承遠     
2019/12/27 Final Project I
Final Project I
何承遠     
2020/1/3 Final Project II
Final Project II
何承遠     
2020/1/10 期末專題發表
Final term
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  20
 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? 258
1.期中報告
2.期末報告
3.專題報告
4.出席狀況
七、講義位址(http://)