| 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。 |
|
|
| 專題探討/製作 |
| 網路/遠距教學 |
| 習作 |
| 討論 |
| 其他 |
| 講授 |
|
|
| 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 |
Python language and data science introduction
|
| 第2週 |
Regression introduction
|
| 第3週 |
Simple linear regression |
| 第4週 |
Model adequacy checking |
| 第5週 |
Transformations and weighting to correct model inadequacies Diagnostics for leverage and influence |
| 第6週 |
Transformations and weighting to correct model inadequacies Diagnostics for leverage and influence |
| 第7週 |
Polynomial regression models |
| 第8週 |
Polynomial regression models |
| 第9週 |
Indicator variables |
| 第10週 |
Indicator variables |
| 第11週 |
Multicollinearity
|
| 第12週 |
Multicollinearity
|
| 第13週 |
Variable selection and model building |
| 第14週 |
Variable selection and model building |
| 第15週 |
Validation of regression models |
| 第16週 |
Final exam or report |
自主學習
內容 |
03.製作專題報告
|
|
| 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) |
|
|