◎系所教育目標：
為配合國家建設及產業發展之需要，本系以培育中高級資訊科技人才為目的。在教學理念上除了注重理論的探討之外並強調實際動手的能力，以期培育出具有深厚學識基礎並能實際應用的資訊科技人才。在專業必修中涵蓋基礎理論、電腦硬體、作業系統、資料結構及計算機網路等方面，並有畢業專題製作，使學生紮實基礎，同時課程包含四個專業學程，兼顧學術及實務之分流與訓練。分別為一：軟體工程及知識工程學程、二：互動多媒體學程、三：網路及資訊安全學程、四：資訊系統開發實務學程，以期作為日後升學就業的準備。 |
| ◎核心能力 | 關聯性 |
| 1.應用數理邏輯推理之能力 | 4 關聯性稍強 |
| 2.具備資訊軟體專業之能力 | 4 關聯性稍強 |
| 3.發掘、分析及解決問題之能力 | 5 關聯性最強 |
| 4.現代資訊發展工具之使用與熟悉資訊應用系統之能力 | 2 關聯性稍弱 |
| 5.資訊軟體或硬體創新設計與實作之能力 | 3 關聯性中等 |
◎本學科內容概述：
本課程教導學生資料探勘的概念與技術，我們可從龐大的商業或科學資料中，應用統計與機器學習技術，取得可用的知識。除了一般性技術探討外，並研究最新的技術課題。 |
◎本學科教學內容大綱：
1.基礎入門知識 2.資料輸入輸出 3.演算法 4.方法評估 |
◎本學科學習目標：
本課程之教學目標為教導學生資料探勘的概念與技術，我們可從龐大的商業或科學資料中，取得可用的知識，可用的技術如頻繁樣試探勘、預測與分類、群組分析、演化式計算。除了一般性技術探討外，並研究最新的技術課題，例如如何應用資料探勘於龐大生物資料中。本課程共計三學分，將以課堂講授、論文研討、專題製作等方式來進行，並鼓勵參與之學生參與討論與發問。 |
| ◎教學進度： |
| 週次 | 主題 | 教學內容 | 教學方法 |
01
02/24 | 簡介 | 導論 | 講授、討論。 |
02
03/03 | 資料整理 | 資料相似度 | 講授、討論。 |
03
03/10 | 資料整理 | 資料前處理 | 講授、討論。 |
04
03/17 | 資料整理 | 資料轉換與整合 | 講授、討論。 |
05
03/24 | 頻繁樣式 | 關聯規則探勘 | 講授、討論。 |
06
03/31 | 頻繁樣式 | 其它頻繁樣式探勘 | 講授、討論。 |
07
04/07 | 預測與分類 | 決策樹 | 講授。 |
08
04/14 | 預測與分類 | 貝氏分類器 | 講授、討論。 |
09
04/21 | 期中考 | 期中考 | 期中考。 |
10
04/28 | 預測與分類 | 類神經網路 | 講授、討論。 |
11
05/05 | 群組分析 | 切割式分群 | 講授、討論。 |
12
05/12 | 群組分析 | 階層式分群 | 講授、討論。 |
13
05/19 | 群組分析 | 密集式分群 | 講授、討論。 |
14
05/26 | 群組分析 | 自我組織圖 | 講授、討論。 |
15
06/02 | 生物資料之應用 | 資料探勘應用 | 講授、討論。 |
16
06/09 | 期末考 | 期末考 | 期末考。 |
17
06/16 | 期末專案展示(自主學習) | 進行實務專案報告(線上或錄影) | 操作/實作、角色扮演、討論。 |
18
06/23 | 期末專案報告繳交(自主學習) | 期末專題報告繳交 | 操作/實作、討論。 |
◎課程要求：
本課程採用之教材為Morgan Kauffman出版之Data Mining: Concepts and Techniques，以及數篇該領域著名的期刊與會議論文。課程主要以課堂講解和論文研討為主，以期讓學生了解基礎理論，應用在學術研究之上。 |
◎成績考核
課堂參與討論10%
小考20%
期中考20%
期末考20%
書面報告30% : 期末書面報告
|
◎參考書目與學習資源
1. Han, Kamber, and Pei, Data Mining: Concepts and Techniques, 3rd ed., Morgan Kaufmann Pub., 2011.
2. Witten, Frank, and Hall, Data Mining: Practical Machine Learning Tools and Techniques, 3rd ed., Morgan Kaufmann Pub., 2011.
3. 期刊或研討會相關論文 |
| ◎教材講義 請改以帳號登入校務系統選擇全校課程查詢方能查看教材講義 |