國立中興大學教學大綱

課程名稱	(中) 數據分析與機器學習(5154)
	(Eng.) Data Analysis and Machine Learning
開課單位	機械系
課程類別	選修			學分	3	授課教師	藍國瑞
選課單位	機械系 / 學士班			授課使用語言	中/英文	英文/EMI		開課學期	1141
課程簡述	Machine learning is bound up with artificial intelligence and its applications. This course provides an overview of the basic concepts related to data analysis, aiming at developing essential machine learning and data science skills.
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
At the conclusion of this subject students should be able to: 1. Describe the concepts of machine learning algorithms 2. Analyse and select appropriate approaches for real problems	1.運用數學、科學及機械工程知識之能力。 2.設計與執行實驗及分析數據之能力。 3.具有計畫管理、團隊合作並能設計、製作機械工程系統之能力。 4.具人文素養並能認識時事議題、瞭解科學與工程技術對環境永續、社會共好、及全球發展的影響。 5.培養學生自我學習之能力。 6.認知機械工程人員之專業倫理與社會責任。	20 20 20 20 10 10	參訪 專題探討/製作 討論 實習 講授	書面報告 出席狀況 口頭報告 作品 測驗
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 Introduction to Data Analysis and Machine Learning Course overview, supervised vs unsupervised 第2週 Linear Regression Prediction, evaluation, overfitting 第3週 Linear and Kernel-Based Classification Logistic regression, kNN, support vector machines 第4週 Model Evaluation and Regularisation Bias–variance, cross-validation, ridge and lasso 第5週 Decision Trees and Ensembles Splitting, random forests, feature importance 第6週 Clustering Unsupervised grouping, distance measures, evaluating cluster quality 第7週 Dimensionality Reduction PCA, variance, visualisation 第8週 Neural Networks Perceptrons, activation, backpropagation 第9週 Natural Language Processing Tokenisation, bag-of-words, text classification 第10週 Exam Covers Weeks 1–9: concepts, algorithms, and ML implementation 第11週 Project Development I Begin implementation; supervised coding sessions 第12週 Project Development II Continue development; checkpoints and mentoring 第13週 Project Development III Refinement and testing; peer evaluation 第14週 Project Development IV Short updates, debugging support, feedback sessions 第15週 Final Presentation I Formal presentations and oral defence 第16週 Final Presentation II Remaining presentations, peer review, reflection 自主學習 內容    03.製作專題報告
學習評量方式
Quiz (35%); Final Exam (35%); Final Project (30%)
教科書＆參考書目(書名、作者、書局、代理商、說明)
Zaki, Data Mining and Machine Learning 2e. Cambridge University Press.
課程教材（教師個人網址請列在本校內之網址）
iLearning
課程輔導時間
Thursday 13.00 - 14.00
聯合國全球永續發展目標(連結網址)
04.教育品質   08.就業與經濟成長   09.工業、創新基礎建設   17.全球夥伴 提供體驗課程：N

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。
更新日期 西元年/月/日：2025/08/30 17:12:28	列印日期 西元年/月/日：2025 / 9 / 19
MyTB教科書訂購平台：http://www.mytb.com.tw/