國立中興大學教學大綱

課程名稱	(中) 數據分析數學(7778)
	(Eng.) Mathematical Analysis to Data Science
開課單位	人工智慧資科學程
課程類別	選修			學分	3	授課教師	施因澤
選課單位	人工智慧資科學程 / 碩專班			授課使用語言	中/英文	英文/EMI		開課學期	1141
課程簡述	數據科學的基礎數學介紹以及應用矩陣計算作資料分析、數學建模的分析以及應用
先修課程名稱								課程含自主學習	Y

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
矩陣計算是研讀AI、數據科學的基本工具︒本課程是研讀矩陣計算的入門，除了數據模擬的基本概念外，本課程能提供學生實用性的知識，當與實務數據結合使用時，可以解決實際的問題︒			專題探討/製作 習作 討論 講授	書面報告 出席狀況 作業
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 矩陣理論分析 第2週 矩陣理論分析 第3週 SVD處理影像作壓縮 第4週 矩陣正交性應用：最佳化計算 第5週 矩陣正交性應用：最佳化計算 第6週 矩陣正交性應用：最佳化計算 第7週 Tensor Decomposition 第8週 Tensor Decomposition 第9週 期中作業報告 第10週 Clustering and NMF 第11週 Clustering and NMF 第12週 Classification of Handwritten Digits 第13週 Classification of Handwritten Digits 第14週 Text Mining 第15週 PCA & MDS 第16週 PCA & MDS 期末報告與複習 期末報告與複習 自主學習 內容
學習評量方式
期中報告(50%) 期末報告(50%)
教科書＆參考書目(書名、作者、書局、代理商、說明)
1. Lars Elden, Matrix Methods in Data Mining and Pattern Recognition, SIAM 2007. 2. Golub & Von Loan, Matrix Computations, 3rd Ed. , John Hopkins University, 1996. 3. Yuan Yao, A Mathematical Introduction to Data Science, Bejing University, 2014
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
週一 10:00-12:00 (預約）
聯合國全球永續發展目標(連結網址)
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：無	列印日期 西元年/月/日：2025 / 7 / 02
MyTB教科書訂購平台：http://www.mytb.com.tw/