N5360B 教學大綱表

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
序 No.	單元主題 Unit topic	內容綱要 Content summary	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
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

序 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：https://curri.ttu.edu.tw/p/412-1033-1254.php