| 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 |
| To prepare students for the basic skills of model-based data analysis and R language. |
|
|
|
|
| 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 |
Using R |
| 第2週 |
Regression tree |
| 第3週 |
Bagged trees |
| 第4週 |
Random forest |
| 第5週 |
Generalized linear model (GLM) |
| 第6週 |
Kernel basis expansion |
| 第7週 |
Suoport vector machine (SVM) |
| 第8週 |
Smoothing spline |
| 第9週 |
Additive model |
| 第10週 |
Generalized additive model (GAM) |
| 第11週 |
Tree with recursive feature elimination (RFE) |
| 第12週 |
RF with RFE |
| 第13週 |
GAM with RFE |
| 第14週 |
Artificial neural network (ANN) |
| 第15週 |
ANN |
| 第16週 |
Final report
|
自主學習
內容 |
02.閱覽產業及學術相關多媒體資料
|
|
| 學習評量方式 |
Attendance: 50%
Report: 40%
Self-learning: 10%
The grade system is tentative and subject to modification. |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
| The Elements of Statistical Learning by Trevor Hastie, Robert Tibshirani and Jerome Friedman |
| 課程教材（教師個人網址請列在本校內之網址） |
|
| 課程輔導時間 |
| 1:00-2:00 PM Friday |
| 聯合國全球永續發展目標(連結網址) |
|
|