| 課程代碼 |
90D23C01
|
| 課程中文名稱 |
大數據分析實務
|
| 課程英文名稱 |
Big Data Analytics
|
| 學分數 |
3.0
|
| 必選修 |
選修
|
| 開課班級 |
四技資管三甲,四技資管三乙,四技資管三丙
|
| 任課教師 |
童冠燁
|
| 上課教室(時間) |
|
週四
|
第2節
|
(E0402)
|
|
週四
|
第3節
|
(E0402)
|
|
週四
|
第4節
|
(E0402)
|
|
| 課程時數 |
3
|
| 實習時數 |
0
|
| 授課語言 |
1.華語
|
| 輔導考證 |
無
|
| 課程概述 |
1.本課程在學習以統計與分析方法以處理大量資料時的管理決策問題，以萃取出有價值的資訊或內隱的知識，做為決策支援與管理之依據。
2.介紹資料採礦工具與方法
3.探討大數據環境下管理的意涵與機會，並利用案例資料訓練同學資料分析與解決問題的能力。
|
| 先修科目或預備能力 |
無先修科目
|
|
課程學習目標與核心能力之對應
|
| 編號 | 中文課程學習目標 | 英文課程學習目標 | 對應系指標 |
|
1
|
闡述大數據之基本觀念與處理架構
|
|
5 實務技能
|
|
2
|
能應用分析軟體進行大數據分析
|
|
6 資訊應用
|
|
3
|
能應用分析工具建構分析模式
|
|
1 程式設計
|
|
4
|
能利用所學知識分析數據並解決問題
|
|
7 問題解決
|
|
| 就業力培養目標 |
| |
校指標 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
| |
專業知識 |
實務技能 |
資訊能力 |
整合創新 |
外語能力 |
熱誠抗壓 |
表達溝通 |
敬業合群 |
人文素養 |
服務關懷 |
| |
20% |
30% |
30% |
20% |
0% |
0% |
0% |
0% |
0% |
0% |
| |
系指標 |
1 |
4 |
3 |
5 |
2 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
| |
程式設計 |
商管知識 |
網路管理實務 |
實務技能 |
軟體開發 |
資訊應用 |
問題解決 |
創新思考 |
外國語文 |
自我調適學習 |
表達溝通 |
職場EQ |
人文素養 |
服務關懷 |
| |
20% |
0% |
0% |
30% |
0% |
30% |
20% |
0% |
0% |
0% |
0% |
0% |
0% |
0% |
|
| 中文課程大綱 |
週 次 單 元 閱讀與作業
第 一週 課程簡介、資料採礦概論
第 二週 資料與資料準備(I)
第 三週 資料與資料準備(II)
第 四週 R程式語言軟體介紹(I)
第 五週 R程式語言軟體介紹(II)
第 六週 關聯規則
第 七週 決策樹分析
第 八週 類神經網路
第 九週 期中考
第 十週 群集分析
第十一週 貝氏分類法與貝氏網路
第十二週 約略集合理論
第十三週 多變量分析
第十四週 時間資料分析
第十五週 商業智慧(I)
第十六週 商業智慧(II)
第十七週 商業分析最佳化
第十八週 期末考
|
| 英/日文課程大綱 |
01 Introduction
02 Data and Data Preprocessing(I)
03 Data and Data Preprocessing(II)
04 Introduction of R (I)
05 Introduction of R (II)
06 Association Rules
07 Decision Trees
08 Artificial Neural Networks
09 Mid Term Exam
10 Clustering Analysis
11 Bayesian Classifier & Bayesian Network Classifier
12 Rough Set Theory
13 Multivariate Analysis
14 Analysis of Time Series Data
15 Business Intelligence (I)
16 Business Intelligence (II)
17 Business Analysis and Optimization
18 Final Exam
|
| 課程進度表 |
第 一週 課程簡介、什麼是大數據
第 二週 R程式語言軟體介紹(I)
第 三週 R程式語言軟體介紹(II)
第 四週 資料匯入與清理 (I)
第 五週 資料匯入與清理 (II)
第 六週 羅吉斯迴歸與模型評估
第 七週 決策樹－CART與模型評估
第 八週 決策樹－CHAID與模型評估
第 九週 期中報告
第 十週 決策樹－隨機森林與模型評估
第十一週 決策樹－Xgboost與模型評估
第十二週 特徵選取
第十三週 類神經網路應用 (I)
第十四週 類神經網路應用 (II)
第十五週 基因演算法(I)
第十六週 基因演算法(II)
第十七週 大數據的未來趨勢和挑戰
第十八週 期末報告
|
| 課程融入SDGs |
|
| 期考調查 |
| 期中考(第9週)考試方式 |
小組報告
|
| 期末考(第18週)考試方式 |
小組報告
|
| 其他週考試考試週次與方式 |
無
|
|
| 教學方式與評量方式 |
| 課程學習目標 | 教學方式 | 評量方式 |
| 闡述大數據之基本觀念與處理架構 |
課堂講授
|
作業
（
平時
）
書面報告
（
期中
）
|
| 能應用分析軟體進行大數據分析 |
課堂講授
實作演練
|
作業
（
期末
）
實作
（
平時
）
|
| 能應用分析工具建構分析模式 |
課堂講授
實作演練
|
實作
（
平時
）
實作
（
期末
）
|
| 能利用所學知識分析數據並解決問題 |
實作演練
|
書面報告
（
期末
）
|
|
| 指定用書 |
| 書名 |
自編講義
|
| 作者 |
|
| 書局 |
|
| 年份 |
|
| 國際標準書號(ISBN) |
|
| 版本 |
|
請同學尊重智慧財產權，使用正版教科書，不得非法影印，以免觸犯智慧財產權相關法令
。 |
| 參考書籍 |
|
| 教學軟體 |
R、RStudio
|
| 課程規範 |
|