112年第2學期-1049 軟式計算 課程資訊
評分方式
評分項目 | 配分比例 | 說明 |
---|---|---|
課堂參與 | 15 | |
課堂作業 | 35 | |
期中考 | 25 | |
期末專題 | 25 |
選課分析
本課程名額為 70人,已有37 人選讀,尚餘名額33人。
登入後可進行最愛課程追蹤 [按此登入]。
授課教師
焦信達教育目標
傳統計算的主要特徵是嚴格、確定和精確,但其並不適合處理現實生活中的許多問題,例如駕駛汽車、下棋、家電控制…等。但軟式計算基於其不確定、不精確及不完全真值的容錯特性,可提供低成本的方案解決許多日常生活中的問題。本課程將介紹軟式計算的基本原理、相關計算模式,及其在人工智慧與機器學習領域的應用。本課程將介紹的軟式計算的計算模式主要包括了: Neural networks、fuzzy logic、evolutionary computation、simulated annealing、swarm intelligence…等。此外,由於人工智慧及大數據分析技術在商業領域的應用越來越頻繁而重要,本課程將著重介紹資料科學在行銷領域的應用,包含了關鍵績效指標與視覺化、行銷參與度背後的驅動因素、參與度與轉換率間的關係、產品可見度與行銷、個人化行銷、產生更好的行銷決策...等。本課程所介紹的行銷資料科學案例,均可使用 R 及 Python 進行實作,以協助學生將課堂所學應用在實際的場合上。
課程資訊
基本資料
選修課,學分數:0-3
上課時間:二/2,3,4[C219]
修課班級:資工系3,4
修課年級:3年級以上
選課備註:軟工組分組選修
教師與教學助理
授課教師:焦信達
大班TA或教學助理:尚無資料
Office Hour上課前或上課後 30 分鐘,或另行約定晤談時間
授課大綱
授課大綱:開啟授課大綱(授課計畫表)
(開在新視窗)
參考書目
1. Yoon-Hyup Hwang, Hands-On Data Science for Marketing, Packt Publishing Limited., March 2019.
2. Sebastian Raschka, Vahid Mirjalili, Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition, Packt Publishing Limited., September 2017.
3. Prateek Joshi, Artificial Intelligence with Python, Packt Publishing Limited., January 2017.
開課紀錄
您可查詢過去本課程開課紀錄。 軟式計算歷史開課紀錄查詢