資料科學方法
Computational Data Science
| 節 | 週一 |
|---|---|
3 10:10–11:00 | 資料科學方法 YN118（陽明） 2 節連堂 |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
(一) Fundamentals of data science and statistics (二) Develop the concept of computational thinking (三) Programing ability in R language (四) Learn Computational Skills in data science (五) Aspects of machine learning strategies (六) Theory and application of artificial neural networks
教師未提供此項資料
無備註
Data science requires scientific methods, statistics, computerized processes, theoretical and computational algorithms, and systems to transform abstract knowledge and insights from data into interpretable results or prediction models. This course aims to develop mathematical, analytical and technical skills to generate a decision driven by data.
1. 期中考 (35%)及一次期末考筆試 (40%) 2. 出席率,隨堂考試,與作業檢討(25%)。
教師未提供此項資料
| 週次 | 主題 |
|---|---|
| 第 1 週 | 父喪假 |
| 第 2 週 | 父喪假 |
| 第 3 週 | Introduction to Data Science |
| 第 4 週 | Intro to the R language |
| 第 5 週 | Advanced Programming in the R language |
| 第 6 週 | Optimization Problem with R |
| 第 7 週 | Statistical Prediction Models |
| 第 8 週 | Regularization Methods |
| 第 9 週 | Support Vector Machine |
| 第 10 週 | Midterm |
| 第 11 週 | Random Forrest |
| 第 12 週 | Theory and mathematical derivation in gradient boost method |
| 第 13 週 | Gradient Boost Machine |
| 第 14 週 | Extreme Gradient Boost Machine |
| 第 15 週 | Theory and mathematical derivation in Artificial Neural Networks |
| 第 16 週 | Artificial Neural Networks |
| 第 17 週 | Convolutional Neural Networks |
| 第 18 週 | Final exam |
教師未提供此項資料
- 地點
- 教師未提供此項資料
- 時間
- 教師未提供此項資料
- 聯絡方式
- 教師未提供此項資料