109年第2學期-1744 Python與資料科學概論 課程資訊

評分方式

評分項目	配分比例	說明
課堂參與	15	日後可能視情況調整比例分配
作業	25	日後可能視情況調整比例分配
期中考	30	日後可能視情況調整比例分配
期末報告	30	日後可能視情況調整比例分配

教育目標

本課程是在引導學生進入資料科學的領域，搭配Python程式語言進行實際操作，訓練學生具備程式設計、統計分析與專業領域的整合技能，以培養學生成為跨領域應用的資料科學家。課程設計將從最基礎的程式邏輯開始，用淺顯文字和簡短程式，手把手帶領學生學習Python的語法與各種應用，內容包括：一、網路資料擷取、資料清理與儲存；二、使用資料科學套件的進行探索資料分析；三、運用機器學習的演算法來預測資料；四、文字資料的探勘和視覺化的表達。 在完成此課程的學習，學生將能夠 (1) 對資料科學有基本的觀念，以及具備Python操作的能力； (2) 從網際網路擷取不同型態的資料、瞭解資料分析的程序與方法、視覺化資料的表達與溝通； (3) 運用所學到的知識與技能，融入在跨領域的應用。

課程概述

本課程是在引導學生進入資料科學的領域，搭配Python程式語言進行實際操作，訓練學生具備程式設計、統計分析與專業領域的整合技能，以培養學生成為跨領域應用的資料科學家。 課程設計將從最基礎的程式邏輯開始，用淺顯文字和簡短程式，手把手帶領學生學習Python的語法與各種應用，內容包括：一、網路資料擷取、資料清理與儲存；二、使用資料科學套件的進行探索資料分析；三、運用機器學習的演算法來預測資料；四、文字資料的探勘和視覺化的表達。

基本資料

選修課，學分數：0-3
上課時間：四/2,3,4[ST020]
修課班級：經濟系2-4
修課年級：年級以上
選課備註：一般組及產經組指定選修學分，不辦理老師簽名選課

參考書目

教科書：自行編製講義。
參考書：
1. Grus, J. 2015. Data Science from Scratch. O’Reilly Media.
2. McKinney, W. 2017. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. 2nd Edition. O’Reilly Media.
3. VanderPlas, J. 2016. Python Data Science Handbook: Essential Tools for Working with Data. O’Reilly Media.
4. Hofmann, M. and A. Chisholm. 2016. Text Mining and Visualization: Case Studies Using Open-Source Tools. Taylor & Francis.