| 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 |
1、 增加分析方法之理解能力
2、 培養分析與程式撰寫能力
|
| 3.統計分析專業知識 |
| 4.計算科學專業知識 |
| 5.資訊科學專業知識 |
| 7.數學及統計軟體能力 |
|
|
|
|
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共18週) |
| 週次 |
授課內容 |
| 第1週 |
Python與R簡介 |
| 第2週 |
Python與R簡介 |
| 第3週 |
Python與R簡介 |
| 第4週 |
迴歸分析於教育大數據應用 |
| 第5週 |
迴歸分析於教育大數據應用 |
| 第6週 |
迴歸分析於教育大數據應用 |
| 第7週 |
正則化迴歸於教育大數據應用 |
| 第8週 |
正則化迴歸於教育大數據應用 |
| 第9週 |
正則化迴歸於教育大數據應用 |
| 第10週 |
迴歸分類模型於教育大數據應用 |
| 第11週 |
迴歸分類模型於教育大數據應用 |
| 第12週 |
迴歸分類模型於教育大數據應用 |
| 第13週 |
SVM迴歸與分類於教育大數據應用 |
| 第14週 |
SVM迴歸與分類於教育大數據應用 |
| 第15週 |
SVM迴歸與分類於教育大數據應用 |
| 第16週 |
決策樹分析法於教育大數據應用 |
| 第17週 |
決策樹分析法於教育大數據應用 |
| 第18週 |
決策樹分析法於教育大數據應用 |
|
| 學習評量方式 |
小考/出席率（～60%）：補考成績*60%
學習筆記/作業（～20%）
大考/報告（～10%）
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) |
| 2019_Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition by Aurélien Géron (z-lib.org) |
| 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 |
| 預約 |
| 聯合國全球永續發展目標(連結網址) |
|
|