>>修課、報名連結
https://www.ewant.org/admin/tool/mooccourse/mnetcourseinfo.php?id=13809&hostid=13&lang=zh_tw
>>修課證書申請&下載教學請見附件
下載時間:2024/07/01起
摘要
本課程主要將介紹資料科學的基本概念，包含資料處理流程、資料視覺化、資料儲存、資料分析、資料預測等。課程中將使Python 進行資料科學實作，並以各種機器學習模式進行資料分析。學生將學會Python應用於資料科學的重要套件工具，以及幾種重要的機器學習模式，對於未來從事資料科學相關工作或研究建立良好的基礎。
#數據分析
#數據分析
課程目標
修習本課程學生將學會：
1.資料科學的完整流程
2.資料視覺化的呈現方式
3.進階Python 套件工具的應用
4.機器學習的知識與方法
授課教師
呂威甫 老師
呂威甫老師於2003年獲得國立交通大學資訊科學博士學位，之後在中央研究院植物學研究所擔任博士後研究員（2003~2004年），
並在清雲大學資訊工程系任助理教授（2004~2006年）。 現為亞洲大學資訊工程系助理教授。他的研究興趣包括計算生物學，
生物資訊學，機器學習，無線感測器網路演算法設計，線上學習演算法與推薦系統。
呂威甫老師於2003年獲得國立交通大學資訊科學博士學位，之後在中央研究院植物學研究所擔任博士後研究員（2003~2004年），
並在清雲大學資訊工程系任助理教授（2004~2006年）。 現為亞洲大學資訊工程系助理教授。他的研究興趣包括計算生物學，
生物資訊學，機器學習，無線感測器網路演算法設計，線上學習演算法與推薦系統。
課程進度表
單元 1:Introduction to Data Science and Python Basics
單元 2:Introduction to NumPy
單元 3:Data Manipulation with Pandas
單元 4:Visualization with Matplotlib
單元 5:期中考
單元 6:Machine Learning and Data Preprocessing
單元 7:Perceptron Learning Algorithm for Classification and logistic Regression
單元 8:K-nearest neighbors and Dimensionality Reduction
單元 9:Cluster analysis
單元 10:期末考
單元 2:Introduction to NumPy
單元 3:Data Manipulation with Pandas
單元 4:Visualization with Matplotlib
單元 5:期中考
單元 6:Machine Learning and Data Preprocessing
單元 7:Perceptron Learning Algorithm for Classification and logistic Regression
單元 8:K-nearest neighbors and Dimensionality Reduction
單元 9:Cluster analysis
單元 10:期末考
評分標準
平時測驗：佔總成績 30 %
期中考：佔總成績 30 %
期末考：佔總成績 40 %
通過標準
課程及格標準:60分滿分：100分
先修科目或先備能力
基本程式能力、資訊工具使用能力、基礎數學能力
建議參考書目
1.Wes McKinney. Python for Data Analysis. O'Reilly Media, Inc. 2012.
2.Jake VanderPlas. Python Data Science Handbook, 2nd Edition. O'Reilly Media, Inc. 2022.
3.Frank Kane. Hands-On Data Science and Python Machine Learning. Packt Publishing. 2017.
