| 課程與核心能力關聯配比(%) |
課程目標之教學方法與評量方法 |
| 課程目標 |
核心能力 |
配比(%) |
教學方法 |
評量方法 |
| 培養具備人工智慧專業知識與應用能力兼備之數據分析人才。 |
|
|
|
|
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習) |
| 週次 |
授課內容 |
| 第1週 |
R language and data science introduction
Regression introduction
Simple linear regression
Multiple linear regression
Model adequacy checking
Transformations and weighting to correct model inadequacies Diagnostics for leverage and influence
Polynomial regression models
Indicator variables
Multicollinearity
Variable selection and model building
Validation of regression models
|
| 第2週 |
|
| 第3週 |
|
| 第4週 |
|
| 第5週 |
|
| 第6週 |
|
| 第7週 |
|
| 第8週 |
|
| 第9週 |
|
| 第10週 |
|
| 第11週 |
|
| 第12週 |
|
| 第13週 |
|
| 第14週 |
|
| 第15週 |
|
| 第16週 |
|
自主學習
內容 |
|
|
| 學習評量方式 |
Midterm Examination 20%
Final examination (or presentation) 20%
Class participation, Quizzes, homework, and others 60%
|
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
「Introduction to Linear Regression Analysis, 5th Edition」，by Douglas C. Montgomery, Elizabeth A. Peck, G. Geoffrey Vining
「Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow 2/e」，by Aurélien Géron, 2019
|
| 課程教材（教師個人網址請列在本校內之網址） |
| https://www.youtube.com/channel/UCSivAooQ-OTLATS1dTT3DZw |
| 課程輔導時間 |
| Appointment |
| 聯合國全球永續發展目標(連結網址) |
|
|