| 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 |
| 使修課同學對於資料探勘、人工智慧各種方法、社群分析各項議題，以及行銷應用具備廣泛、基本的認識，以作為日後從事相關研究或工作的入門基礎。 |
|
|
|
|
| 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 |
課程簡介與大數據導論 |
| 第2週 |
資料探勘基礎 |
| 第3週 |
中秋節放假 |
| 第4週 |
分類方法簡介 |
| 第5週 |
國慶日調整放假 |
| 第6週 |
分類各項議題(1) |
| 第7週 |
分類各項議題(2) |
| 第8週 |
傳統分類方法 |
| 第9週 |
期中考 |
| 第10週 |
傳統自然語言處理 |
| 第11週 |
類神經網路 |
| 第12週 |
深度學習導論 |
| 第13週 |
生成式AI導論 |
| 第14週 |
論文報告(1) |
| 第15週 |
論文報告(2) |
| 第16週 |
行憲紀念日 |
自主學習
內容 |
03.製作專題報告
|
|
| 學習評量方式 |
| 平時成績：20%；期中評量：40%；論文報告：40% |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
Zafarani, Abbasi, and Liu, Social Media Mining: An Introduction
Shmueli, Bruce, Yahav, Patel, Lichtendahl, Data Mining for Business Analytics |
| 課程教材（教師個人網址請列在本校內之網址） |
| 上課簡報及相關文章 |
| 課程輔導時間 |
| 請先以email預約 |