109-1_大數據探勘
教學目標
了解大數據分析之演進與發展
相關大數據資料採礦之基本概念、原理、方法與技術之建立
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-20.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 大數據資料簡介、緒論
2. 程式軟體教學
3. 資料準備與資料品質討論、資料倉儲概念
4. 大數據資料分析之相關技術概念說明
5. 關聯規則與演算法
6. 決策樹分析與演算法
7. 群集分析與演算法
8. 支持向量機與演算法
9. 其他分析與演算法
教科書/參考書
1. 譚磊. 大數據挖掘-從巨量資料發現別人看不到的秘密.
2. 簡禎富、許嘉裕. 資料採礦與大數據分析.
3. 安德魯．麥克菲, 艾立克．布林約爾松, 湯瑪斯．戴文波特, 帕蒂爾, 珍．羅斯, 辛西雅．比思 等著. 哈佛教你精通大數據.
4. James, G., Witten, D., Hastie, T., Tibshirani, R. (2013). An Introduction to Statistical Learning, with Applications in R.
5. Makhabel, B. (2014). Learning Data Mining with R.
6. Torgo, L. (2010). Data mining with R: learning with case studies. Chapman & Hall/CRC.
7. Viktor Mayer-Schonberger and Kenneth Cukier. Big Data:A Revolution That Will Transform How We Live, Work, and Think.
8. Zumel, N., Mount, J., and Porzak, J. Practical Data Science with R.
9. Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016) Data Mining: Practical Machine Learning Tools and Techniques.
評分標準
閱讀與簡報：25% 期末分析暨成果報告：40% 課程相關活動、實作或競賽參與：20% 作業及課堂參與： 15%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
18
了解大數據分析之演進與發展
相關大數據資料採礦之基本概念、原理、方法與技術之建立
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-20.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 大數據資料簡介、緒論
2. 程式軟體教學
3. 資料準備與資料品質討論、資料倉儲概念
4. 大數據資料分析之相關技術概念說明
5. 關聯規則與演算法
6. 決策樹分析與演算法
7. 群集分析與演算法
8. 支持向量機與演算法
9. 其他分析與演算法
教科書/參考書
1. 譚磊. 大數據挖掘-從巨量資料發現別人看不到的秘密.
2. 簡禎富、許嘉裕. 資料採礦與大數據分析.
3. 安德魯．麥克菲, 艾立克．布林約爾松, 湯瑪斯．戴文波特, 帕蒂爾, 珍．羅斯, 辛西雅．比思 等著. 哈佛教你精通大數據.
4. James, G., Witten, D., Hastie, T., Tibshirani, R. (2013). An Introduction to Statistical Learning, with Applications in R.
5. Makhabel, B. (2014). Learning Data Mining with R.
6. Torgo, L. (2010). Data mining with R: learning with case studies. Chapman & Hall/CRC.
7. Viktor Mayer-Schonberger and Kenneth Cukier. Big Data:A Revolution That Will Transform How We Live, Work, and Think.
8. Zumel, N., Mount, J., and Porzak, J. Practical Data Science with R.
9. Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016) Data Mining: Practical Machine Learning Tools and Techniques.
評分標準
閱讀與簡報：25% 期末分析暨成果報告：40% 課程相關活動、實作或競賽參與：20% 作業及課堂參與： 15%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
18
109-1_基礎統計
教學目標
LaTex與R軟體等相關程式介紹 簡介機率與統計之相關內容並透過R軟體之相關函數進行範例解說 講述機率統計應用的範疇
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. R軟體學習 2. LeTex文書編輯軟體學習 3. 機率相關內容簡介 4. 統計相關內容簡介 5. 機率統計應用實例
教科書/參考書
無。
評分標準
學生報告50% 作業成績50%
學分數
3
授課時數(周)
3
開課班級
M10944
修課人數
11
LaTex與R軟體等相關程式介紹 簡介機率與統計之相關內容並透過R軟體之相關函數進行範例解說 講述機率統計應用的範疇
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. R軟體學習 2. LeTex文書編輯軟體學習 3. 機率相關內容簡介 4. 統計相關內容簡介 5. 機率統計應用實例
教科書/參考書
無。
評分標準
學生報告50% 作業成績50%
學分數
3
授課時數(周)
3
開課班級
M10944
修課人數
11
109-1_網絡分析
教學目標
認識網絡、學習網絡分析的工具、閱讀相關文獻。
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Preliminaries
Descriptive Analysis of Network Graph Characteristics
Sampling and Estimation in Network Graphs
Models for Network Graphs
Network Topology Inference
Modeling and Prediction for Processes on Network Graphs
Analysis of Network Flow Data
Graphical Models
教科書/參考書
書名：Networks: an introduction
作者：M. E. J. Newman
出版年：2010
出版社：Oxford University Press
評分標準
報告 100%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
4
認識網絡、學習網絡分析的工具、閱讀相關文獻。
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
教科書/參考書
書名：Networks: an introduction
作者：M. E. J. Newman
出版年：2010
出版社：Oxford University Press
評分標準
報告 100%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
4
109-1_迴歸分析
教學目標
在修習本課程的過程中，使學生對迴歸模型、迴歸分析的原理與方法獲得深入瞭解，除基本理論的推導過程、統計套裝軟體的學習與應用之外，並藉由所學能有效解決實際所遇到的問題，也希望能透過解決實際問題更加了解迴歸分析之意涵，並能深入且正確地解釋所得之資料分析結果。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Part I: Simple linear regression
Chap. 1 Linear Regression with One Predictor Variable
Chap. 2 Inferences in Regression and Correlation Analysis
Chap. 3 Diagnostics and Remedial Measures
Chap. 4 Simultaneous Inferences and Other Topics in Regression Analysis
Chap. 5 Matrix Approach to Simple Linear Regression Analysis
Part II: Multiple linear regression
Chap. 6 Multiple Regression I
Chap. 7 Multiple Regression II
Chap. 8 Regression Methods for Quantitative and Qualitative Predictors
Chap. 9 Building the Regression Model I: Model Selection and Validation
Chap. 10 Building the Regression Model II: Diagnostics
Chap. 11 Building the Regression Model III: Remedial Measures
Part III: Nonlinear regression
Chap. 13 Introduction to Nonlinear Regression and Neural Networks
Chap. 14 Logistic Regression, Poisson Regression, and Generalized Linear Models
教科書/參考書
教科書：
Applied Linear Regression Models. By Neter, Kutner, Nachtsheim and Wasserman.
參考書：
Introduction to Linear Regression Analysis. By Montgomery, Peck and Vining
評分標準
Midterm exam 30%; Final exam 35%; Homework 35%.
學分數
3
授課時數(周)
3
開課班級
M10944
修課人數
15
在修習本課程的過程中，使學生對迴歸模型、迴歸分析的原理與方法獲得深入瞭解，除基本理論的推導過程、統計套裝軟體的學習與應用之外，並藉由所學能有效解決實際所遇到的問題，也希望能透過解決實際問題更加了解迴歸分析之意涵，並能深入且正確地解釋所得之資料分析結果。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Part I: Simple linear regression
Chap. 1 Linear Regression with One Predictor Variable
Chap. 2 Inferences in Regression and Correlation Analysis
Chap. 3 Diagnostics and Remedial Measures
Chap. 4 Simultaneous Inferences and Other Topics in Regression Analysis
Chap. 5 Matrix Approach to Simple Linear Regression Analysis
Part II: Multiple linear regression
Chap. 6 Multiple Regression I
Chap. 7 Multiple Regression II
Chap. 8 Regression Methods for Quantitative and Qualitative Predictors
Chap. 9 Building the Regression Model I: Model Selection and Validation
Chap. 10 Building the Regression Model II: Diagnostics
Chap. 11 Building the Regression Model III: Remedial Measures
Part III: Nonlinear regression
Chap. 13 Introduction to Nonlinear Regression and Neural Networks
Chap. 14 Logistic Regression, Poisson Regression, and Generalized Linear Models
教科書/參考書
教科書：
Applied Linear Regression Models. By Neter, Kutner, Nachtsheim and Wasserman.
參考書：
Introduction to Linear Regression Analysis. By Montgomery, Peck and Vining
評分標準
Midterm exam 30%; Final exam 35%; Homework 35%.
學分數
3
授課時數(周)
3
開課班級
M10944
修課人數
15
109-1_空間統計
教學目標
本課程將介紹具有空間與時間相關性資料的複雜性，以及空間統計的分析方法與其應用。內容包含時空資料介紹、常見的時空共變異數函數、模型假設、參數估計與時空預測、模型檢驗等。實作將搭配統計軟體 R 進行。
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-25.00%;專題實作與報告-25.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1 Introduction to Spatio-Temporal Statistics
2 Exploring Spatio-Temporal Data
3 Spatio-Temporal Statistical Models
4 Descriptive Spatio-Temporal Statistical Models
5 Dynamic Spatio-Temporal Models
6 Evaluating Spatio-Temporal Statistical Models
教科書/參考書
Wikle, C. K., Zammit-Mangion, A., and Cressie, N. (2019), Spatio-Temporal Statistics with R, Boca Raton, FL: Chapman & Hall/CRC. 2019
評分標準
作業40%，期末報告50%，課堂表現(含出席)10%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
11
本課程將介紹具有空間與時間相關性資料的複雜性，以及空間統計的分析方法與其應用。內容包含時空資料介紹、常見的時空共變異數函數、模型假設、參數估計與時空預測、模型檢驗等。實作將搭配統計軟體 R 進行。
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-25.00%;專題實作與報告-25.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1 Introduction to Spatio-Temporal Statistics
2 Exploring Spatio-Temporal Data
3 Spatio-Temporal Statistical Models
4 Descriptive Spatio-Temporal Statistical Models
5 Dynamic Spatio-Temporal Models
6 Evaluating Spatio-Temporal Statistical Models
教科書/參考書
Wikle, C. K., Zammit-Mangion, A., and Cressie, N. (2019), Spatio-Temporal Statistics with R, Boca Raton, FL: Chapman & Hall/CRC. 2019
評分標準
作業40%，期末報告50%，課堂表現(含出席)10%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
11
109-1_數理統計
教學目標
讓學生了解統計方法的基礎數理背景。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Random variables and random vectors 2. Joint, marginal and conditional distributions 3. Random sampling and sample generators 4. Sampling distribution 5. Estimators methods: for example, Maximun likelihood estimation 6. Properties of estimators (e.g., bias, variance, mean squared error, consistency, sufficient statistics, efficiency, uniformly minimum variance undiasedness, and information inequality) 7. Confidence intervals 8. Testing statistical hypotheses and test statistics: significance and power, Neyman-Pearson theorem, likelihood ratio tests, Lehmann-Scheffe theorem 9. Contingency tables and goodness-of-fit
教科書/參考書
1. Mathematical Statistics by S. F. Arnold. 2. A Course in Mathematical Statistics (2nd ed.) by G. G. Roussas.
評分標準
作業抽寫70%、期末考30%
學分數
3
授課時數(周)
3
開課班級
M10944
修課人數
10
讓學生了解統計方法的基礎數理背景。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Random variables and random vectors 2. Joint, marginal and conditional distributions 3. Random sampling and sample generators 4. Sampling distribution 5. Estimators methods: for example, Maximun likelihood estimation 6. Properties of estimators (e.g., bias, variance, mean squared error, consistency, sufficient statistics, efficiency, uniformly minimum variance undiasedness, and information inequality) 7. Confidence intervals 8. Testing statistical hypotheses and test statistics: significance and power, Neyman-Pearson theorem, likelihood ratio tests, Lehmann-Scheffe theorem 9. Contingency tables and goodness-of-fit
教科書/參考書
1. Mathematical Statistics by S. F. Arnold. 2. A Course in Mathematical Statistics (2nd ed.) by G. G. Roussas.
評分標準
作業抽寫70%、期末考30%
學分數
3
授課時數(周)
3
開課班級
M10944
修課人數
10
109-1_書報討論(二)
教學目標
本課程目標為讓學生了解統計領域之研究與發展進程，以及統計在各相關領域中的研究及實務應用成果，課程期間將邀請國內外統計相關領域及相關業界之專家學者前來演講。藉由專家學者分享其專業知識與研究成果之過程，使學生了解統計研究的發展，也能從中獲知統計與實際分析應用之關聯，且可增進學生與各相關領域學者之互動。
除安排學者專家之演講外，藉由研讀演講摘要、背景知識之補充、課前準備及演講心得之撰寫等訓練，讓學生有效吸收新知，提升其積極主動及自學之能力。
授課形式
理論講述與討論-35.00%;個案分析或作品賞析-35.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他:業界參訪-10.00%
課程內容與進度
將邀請統計、數據科學相關研究領域學者與產業界之傑出人才到校分享其研究成果與工作心得。
教科書/參考書
參考各演講者之個人著作及演講摘要、演講投影片等。
評分標準
出席率、摘要研讀、課前準備、對各演講者演講主題的了解、提問及與演講者互動、演講內容心得等之綜合考量。
學分數
1
授課時數(周)
2
開課班級
M10844
修課人數
12
本課程目標為讓學生了解統計領域之研究與發展進程，以及統計在各相關領域中的研究及實務應用成果，課程期間將邀請國內外統計相關領域及相關業界之專家學者前來演講。藉由專家學者分享其專業知識與研究成果之過程，使學生了解統計研究的發展，也能從中獲知統計與實際分析應用之關聯，且可增進學生與各相關領域學者之互動。
除安排學者專家之演講外，藉由研讀演講摘要、背景知識之補充、課前準備及演講心得之撰寫等訓練，讓學生有效吸收新知，提升其積極主動及自學之能力。
授課形式
理論講述與討論-35.00%;個案分析或作品賞析-35.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他:業界參訪-10.00%
課程內容與進度
將邀請統計、數據科學相關研究領域學者與產業界之傑出人才到校分享其研究成果與工作心得。
教科書/參考書
參考各演講者之個人著作及演講摘要、演講投影片等。
評分標準
出席率、摘要研讀、課前準備、對各演講者演講主題的了解、提問及與演講者互動、演講內容心得等之綜合考量。
學分數
1
授課時數(周)
2
開課班級
M10844
修課人數
12