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

選課分析

本課程名額為 50人,已有45 人選讀,尚餘名額5人。


登入後可進行最愛課程追蹤 [按此登入]。

授課教師

游雅婷

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。

課程資訊

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.

開課紀錄

您可查詢過去本課程開課紀錄。 Python與資料科學概論歷史開課紀錄查詢