Type of Credit: Elective
Credit(s)
Number of Students
本課程介紹資料探勘的基礎知識，包含分類演算法、集成學習演算法、分群演算法、關聯分析與相關應用等。
能力項目說明
本課程介紹資料探勘的基礎知識，如分類演算法、集成學習演算法、分群演算法、關聯分析與相關應用等，課程中除了介紹基本理論，也會適時加入程式範例與程式作業（以 Python 為主），因此，希望選修同學具備 Python 的撰寫和執行能力，並透過專題演練解決實務問題。
| 教學週次Course Week | 彈性補充教學週次Flexible Supplemental Instruction Week | 彈性補充教學類別Flexible Supplemental Instruction Type |
|---|---|---|
|
週次 Week |
課程主題 Topic |
課程內容與指定閱讀 Content and Reading Assignment |
教學活動與作業 Teaching Activities and Homework |
學習投入時間 Student workload expectation |
|
|
課堂講授 In-class Hours |
課程前後 Outside-of-class Hours |
||||
|
1 |
Introduction |
DM[T] Ch. 1 |
預習與閱讀、課堂公告 |
3 |
2 |
|
2 |
Data |
DM[T] Ch. 2 |
預習與閱讀、課堂公告 |
3 |
3 |
|
3 |
Association Analysis |
DM[T] Ch. 4 |
預習與閱讀、課堂公告 |
3 |
3 |
|
4 |
Association Analysis |
DM[T] Ch. 4 |
預習與閱讀、課堂公告 |
3 |
3 |
|
5 |
國定假日 |
- |
- |
- |
- |
|
6 |
Association Analysis | DM[T] Ch. 7 |
預習與閱讀、課堂公告 |
3 |
3 |
|
7 |
Classification |
DM[T] Ch. 3 |
預習與閱讀、課堂公告 |
3 |
3 |
|
8 |
Classification |
DM[T] Ch. 6 |
預習與閱讀、課堂公告 |
3 |
3 |
|
9 |
期中考 |
- |
- |
- |
- |
|
10 |
Classification | DM[T] Ch. 6 |
預習與閱讀、課堂公告 |
3 |
3 |
|
11 |
Deep Learning |
DM[T] Ch. 6.7-6.8, DM[H] Ch. 10 |
預習與閱讀、課堂公告 |
3 |
3 |
|
12 |
Clustering |
DM[T] Ch. 2, Ch. 5 |
預習與閱讀、課堂公告 |
3 |
3 |
|
13 |
Clustering |
DM[T] Ch. 5 |
預習與閱讀、課堂公告 |
3 |
3 |
|
14 |
Clustering, Outlier Detection |
DM[T] Ch. 8-9, DM[H] Ch. 11, 補充教材 |
預習與閱讀、課堂公告 |
3 |
3 |
|
15 |
Applications, Advanced Topics | DM[H] Ch. 12, 補充教材 |
預習與閱讀、課堂公告 |
3 |
3 |
|
16 |
專題報告 |
- |
- |
- |
- |
|
17 |
自主學習 |
補充教材：線上學習資源 |
閱讀、線上練習 |
3 |
3 |
|
18 |
自主學習 |
補充教材：線上學習資源 |
閱讀、線上練習 |
3 |
3 |
作業 40% (包含手寫作業、程式作業)；期中考 30%；專題報告 30%。
本課程設計主要針對沒有修讀過資科系-資料科學、機器學習、或網路搜索與探勘的同學而設計。修讀過上述課程的同學，選修前請審慎考量。
1. DM[T] Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, and Vipin Kumar, Introduction to Data Mining, Second Edition, Pearson, 2018
2. DM[H] Jiawei Han, Jian Pei, and Hanghang Tong, Data Mining: Concepts and Techniques, Fourth Edition, Morgan Kaufmann, 2022