國立中興大學教學大綱

課程名稱	(中) 數據分析與機器學習應用(3319)
	(Eng.) Data Analysis and Applied Machine Learning
開課單位	應數系
課程類別	選修			學分	3	授課教師	林長鋆
選課單位	應數系 / 學士班			授課使用語言	英文	開課學期	1151
課程簡述	學習如何使用機器學習進行資料分析 Learning how to use machine learning for data analysis
先修課程名稱

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
學習如何使用機器學習進行資料分析 Learning how to use machine learning for data analysis			講授 專題探討/製作 討論	作業 測驗 書面報告 出席狀況 口頭報告 作品 實作
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 Course Introduction, Environment Setup, and Introduction to Generative AI-Assisted Learning 課程簡介、環境建置與生成式 AI 輔助學習導論 第2週 Python Programming Fundamentals and Data Structures Python 程式設計基礎與資料結構 第3週 Data Preprocessing and Applications of Exploratory Data Analysis (EDA) Packages 資料前處理與探索性資料分析 (EDA) 套件應用 第4週 Hands-on Data Visualization and Chart Interpretation 資料視覺化實作與圖表解析 第5週 Supervised Machine Learning Models (I): Regression Analysis and Classification 監督式機器學習模型（一）：迴歸分析與分類問題 第6週 Supervised Machine Learning Models (II): Decision Trees and Ensemble Learning 監督式機器學習模型（二）：決策樹與整合學習 第7週 Unsupervised Machine Learning Models: Clustering and Dimensionality Reduction Algorithms 非監督式機器學習模型：分群與降維演算法 第8週 Model Evaluation, Cross-Validation, and Midterm Practical Assessment 模型評估、交叉驗證與期中綜合實作檢核 第9週 Problem Definition and Requirements Analysis 問題定義與需求分析 第10週 Literature Review and Data Cleaning 文獻蒐集與資料清理 第11週 Machine Learning Model Building and Model Evaluation 建立機器學習模型與模型評估 第12週 Exploratory Data Analysis and Feature Engineering 探索性資料分析與特徵工程 第13週 Model Comparison and Optimization 模型比較與最佳化 第14週 Visualization of Results 成果視覺化 第15週 Project Integration and Presentation Preparation 專案統整與簡報製作 第16週 Final Project Presentation 專題成果展示 自主學習 內容    03.製作專題報告
學習評量方式
Quizzes & Attendance (~50%): Makeup exam score × 60% Learning Notes & Assignments (~10%) Major Exams & Projects (~30%) Participation & Others (~10%) Note: Please check your grades regularly on your own. Grade inquiries will not be accepted after the semester ends. Final grades will be adjusted (Maximum: 96 / No extra credit or remedial options available. 小考/出席率（～50%）：補考成績*60% 學習筆記/作業（～10%） 大考/報告（～30%） 其他（～10%） 平常請自行確認成績/學期結束後不開放查詢 總成績會做調整/最高96分/無補救方式
教科書＆參考書目(書名、作者、書局、代理商、說明)
「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
After class

請尊重智慧財產權及性別平等意識，不得非法影印他人著作及受保護的電子檔案。
更新日期 西元年/月/日：2026/09/10 18:06:43	列印日期 西元年/月/日：2026 / 9 / 24
MyTB教科書訂購平台：http://www.mytb.com.tw/