教學大綱表 (112學年度 第1學期)
請遵守智慧財產權,勿使用非法影印教科書,避免觸法。
課程名稱
Course Title
(中文) 資料探勘
(英文) Data Mining
開課單位
Departments
資訊經營研究所
課程代碼
Course No.
N5360B
授課教師
Instructor
高有成
學分數
Credit
3.0 必/選修
core required/optional
選修 開課年級
Level
研究所
先修科目或先備能力(Course Pre-requisites):
課程概述與目標(Course Overview and Goals):This course explores the concepts and techniques of knowledge discovery and data mining. As a multidisciplinary field, data mining draws on work from areas including statistics, machine learning, pattern recognition, database technology, information retrieval, network science, knowledge-based systems, artificial intelligence, highperformance computing, and data visualization. We focus on issues relating to the feasibility, usefulness, effectiveness, and scalability of techniques for the discovery of patterns hidden in large data sets.
教科書(Textbook) Jiawei Han, Micheline Kamber, and Jian Pei, Data Mining: Concepts and Techniques, Third Edition, Morgan Kaufmann, 2012 by Elsevier Inc.
參考教材(Reference) 1. Machine Learning with R Cookbook, AshishSingh Bhatia and Yu-Wei, Chiu, Packt Publishing, 2017
圖書館電子書(E-book of the Library) Jiawei Han, Micheline Kamber, and Jian Pei, Data Mining: Concepts and Techniques, Third Edition, Morgan Kaufmann, 2012 by Elsevier Inc.
http://www.sciencedirect.com/science/book/9780123814791
課程大綱 Syllabus 學生學習目標
Learning Objectives
單元學習活動
Learning Activities
學習成效評量
Evaluation
備註
Notes

No.
單元主題
Unit topic
內容綱要
Content summary
1 1. Introduction 全部課程簡介 全部課程簡介 講授
CH 1 - Introduction  
2 1. Introduction Data Mining 簡介 Data Mining 簡介 講授
 
3 2. Data Clustering 資料分群方法 資料分群方法 講授
CH 10 - Cluster Analysis: Basic Concepts and Methods  
4 2. Data Clustering 資料分群方法 資料分群方法 講授
 
5 2. Data Clustering 資料分群方法 資料分群方法 講授
作業
 
6 3. R Software 使用R軟體進行資料分析 使用R軟體進行資料分析 上機實習
CH 2 - Getting to Know Your Data  
7 3. R Software 使用R軟體進行資料分析 使用R軟體進行資料分析 上機實習
 
8 期中考 期中考 期中考 期中考
 
9 3. R Software 使用R軟體進行資料分群 使用R軟體進行資料分群 上機實習
作業
 
10 4. Data Classification 資料分類方法 決策樹與information gain 講授
CH 8 - Classification: Basic Concepts  
11 4. Data Classification 資料分類方法 決策樹與information gain 演講
 
12 4. Data Classification 使用R軟體進行資料分類 使用R軟體進行資料分類 上機實習
作業
 
13 5. Association Rule 購物籃分析與Apriori Algorithm 購物籃分析與Apriori Algorithm 講授
CH 6 - Mining Frequent Patterns, Associations, and Correlations: Basic Concepts and Methods  
14 5. Association Rule 購物籃分析與Apriori Algorithm 購物籃分析與Apriori Algorithm 講授
 
15 5. Association Rule 使用R軟體進行關聯規則分析 使用R軟體進行關聯規則分析 上機實習
 
16 期末考 期末考 期末考 期末考
 
彈性教學週活動規劃

No.
實施期間
Period
實施方式
Content
教學說明
Teaching instructions
彈性教學評量方式
Evaluation
備註
Notes
1 起:2023-12-31 迄:2024-01-13 5.小專題 Project 自我學習,自我教學:閱讀CH 3 - Data Preprocessing (各組章節請老師分配),製作教學PPT,錄製教學影片,第18週上課前將PPT與MP4檔案上傳TronClass系統 (確切時間請見TronClass)。 評分標準為能夠掌握教學要領及過程流暢,說明清晰,教學媒體運用與時間掌握佳等。 CH 3 - Data Preprocessing


教學要點概述:
1.自編教材 Handout by Instructor:
■ 1-1.簡報 Slids
□ 1-2.影音教材 Videos
□ 1-3.教具 Teaching Aids
□ 1-4.教科書 Textbook
□ 1-5.其他 Other
□ 2.自編評量工具/量表 Educational Assessment
□ 3.教科書作者提供 Textbook

成績考核 Performance Evaluation: 期末考:20%   期中考:20%   其他評量:10%   彈性教學:10%   作業:40%  

教學資源(Teaching Resources):
□ 教材電子檔(Soft Copy of the Handout or the Textbook)
■ 課程網站(Website)
課程網站(Website):http://elearn.ttu.edu.tw/
扣考規定:http://eboard.ttu.edu.tw/ttuwebpost/showcontent-news.php?id=504