課程名稱 |
(中文) Python程式設計 (英文) Python Programming |
開課單位 | 資訊經營學系 | ||
課程代碼 | N1260 | ||||
授課教師 | 康家榮 | ||||
學分數 | 3.0 | 必/選修 | 選修 | 開課年級 | 大二 |
先修科目或先備能力: | |||||
課程概述與目標: Python是全功能的程式語言,很容易學習,透過此課程使學生快速的學會Python來快速實現創新的想法。課程將從零開始,使用大量的範例教學,讓開始學習程式的學生們也能快速上手,課程中讓學生們在學習後馬上練習,充分了解Python的實際應用。 | |||||
教科書 | 1. 文淵閣工作室,Python零基礎入門班(含MTA Python國際認證模擬試題)(第二版) ,2020,碁峰 | ||||
參考教材 | 1. 洪錦魁, Python最強入門邁向頂尖高手之路:王者歸來(第二版)全彩版,2020,深智數位 2. Matt Harrison & Theodore Petrou,Python資料分析必備套件!Pandas資料清理、重塑、過濾、視覺化,2021,旗標 3. 吉田拓真, 尾原颯,NumPy 高速運算徹底解說:六行寫一隻程式?你真懂深度學習?手工算給你看!,2020, 施威銘研究室 4.石川聡彦, 必學!Python 資料科學‧機器學習最強套件:NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras,2021,旗標 |
課程大綱 | 學生學習目標 | 單元學習活動 | 學習成效評量 | 備註 | ||
週 | 單元主題 | 內容綱要 | ||||
1 | Python簡介與開發環境安裝與設定 | 1. Python簡介 2. Python的優勢 3. 安裝Python 開發環境 4. 設定Python 開發環境 5. 執行與測試Python程式 |
Python語言概觀 | |||
2 | Python基礎 | 1. 縮排及區塊結構 2. 變數及其設定 3. 運算式 、字串 、數字 、None值 4. 取得使用者的輸入 5. 內建算符 6. 基本Python風格與名稱命名慣例 |
基本程式設計 | |||
3 | 基本資料結構:list、tuple、set | 1. list的索引與切片 2. 修改list 3. list的排序 4. 多層list和深層副本 5. tuple 6. set |
認識元組、串列 | |||
4 | 字串 | 1. 基本的字串操作 2. 特殊字元和轉義字元 3. 字串的method 4. 從物件轉換成字串 5. 使用format() method來格式化字串 6. 以 % 算符來格式化字串 7. 以 f-strings來格式化字串 |
字串與格式化輸出入 | |||
5 | 字典 | 1. 什麼是字典? 2. 字典操作 3. 字數統計 4. 稀疏矩陣 5. 以字典作為快取 6. 字典的效率 |
認識字典 | |||
6 | 流程控制 | 1. while 迴圈 2. if-elif-else 判斷式 3. for 迴圈 4. 用生成式快速建立新的list與字典 5. 敘述、區塊、和縮排 6. 布林值與運算式的真假運算 |
認識選擇、重複結構 | |||
7 | 函式 | 1. 基本函式定義 2. 函式的參數定義與引數傳遞 3. 用可變物件作為引數 4. local、global、nonlocal變數 5. 將變數參照到函式 6. lambda 匿名函式 7. 產生器函式 8. 修飾器 |
認識函式 | |||
8 | 模組與變數可視範圍 | 1. 什麼是模組 2. 敘述的三種形式 3. 模組搜尋路徑 4. 模組中的私有名稱 5. 函式庫與第三方模組 6. Python命名空間和變數可視範圍 |
認識模組 | |||
9 | 期中考 | 期中考 | 檢視學生學習的成效 | |||
10 | 資料科學套件的基礎:Pandas (1) | 1. Pandas 套件的基礎 2. DataFrame及Series的基本操作 |
資料清理、重塑、過濾、視覺化 | |||
11 | 資料科學套件的基礎:Pandas (2) | 1. 建立與保存DataFrame 2. 開始資料分析 |
資料清理、重塑、過濾、視覺化 | |||
12 | 資料科學套件的基礎:Pandas (3) | 1. 探索式資料分析 2. 選取資料的子集 |
資料清理、重塑、過濾、視覺化 | |||
13 | 資料科學套件的基礎:Numpy(1) | 1. NumPy 的基礎 2. NumPy基本運算函式 |
機器學習和數據科學中的高性能計算方法 | |||
14 | 資料科學套件的基礎:Numpy(2) | 1. NumPy 的數學函式 | 機器學習和數據科學中的高性能計算方法 | |||
15 | 資料科學套件的基礎:Numpy(3) | 1. NumPy 的實務應用 | 機器學習和數據科學中的高性能計算方法 | |||
16 | 資料視覺化套件的基礎:Matplotlib(1) | 1. 繪製折線圖 (plot chart) 2. 繪製長條圖 (bar chart) 3. 繪製直方圖 (histogram chart) |
用 Matplotlib 繪製各類圖表 | |||
17 | 資料視覺化套件的基礎:Matplotlib(2) | 1. 繪製散佈圖 (scatter chart) 2. 繪製圓餅圖 (pie chart) 3. 繪製 3D 圖表 |
用 Matplotlib 繪製各類圖表 | |||
18 | 期末考 | 期末考 | 檢視整個課程學生的學習成效 |
教學要點概述: |