| 學分數 |
3
|
修課時數 |
3
|
開課班級 |
日間部碩士班1年級 A班
|
| 本課程培養學生下列知識： |
|
本課程主要目的是讓學生瞭解如何處理財金巨量資料及學習相關資料分析與決策技術，並藉由資料採礦與人工智慧等理論與模型建構高階財金巨量資料分析與決策系統。透過結合各種不同功能之資料採礦方法及模型績效評估模式之整合設計，可以協助解決財金相關決策問題。本課程將包括理論介紹與相關電腦軟體操作與使用。1.瞭解巨量資料處理及資料採礦技術發展2.熟悉財金資料分析與決策方法3.學習各種財金資料採礦與人工智慧理論與模型4.瞭解整合設計與模型績效評估5.學習財金實務應用案例This course introduces the principles of big data processing, data analysis and decision making techniques. Students will learn how to implement an advanced information system based on the methodologies of data mining and artificial intelligence. This course gives the students elementary-level practical ability to employ and integrate different data mining approaches with related performance evaluation methods to solve the financial decision making problems which sometimes could be confronted by any company.
|
| 每週授課主題 |
|
第01週：巨量資料分析第02週：資料科學與資料探勘第03週：基因演算法第04週：模糊推論第05週：類神經網路第06週：決策樹方法第07週：貝氏分類法第08週：期中作業第09週：關聯規則學習第10週：聚類分析第11週：灰色預測與關聯第12週：案例式推理第13週：證據理論第14週：粗糙集理論第15週：人工智慧第16週：深度學習(1)第17週：深度學習(2)第18週：期末報告
|
| 成績及評量方式 |
|
平時作業及出席：20%期中作業：40%期末報告：40%
|
| 證照、國家考試及競賽關係 |
|
本課程無證照、國家考試及競賽資料。
|
| 主要教材 |
|
1.Data mining : practical machine learning tools and techniques, / Ian H.Witten, Eibe Frank / Morgan Kaufmann publications(教科書)2.Data Analytics: Models and Algorithms for Intelligent Data Analysis / Thomas A. Runkler / Springer Vieweg(教科書)
|
| 教師資料 |
教師網頁：http://www.cyut.edu.tw/~tnchou/
E-Mail： tnchou@cyut.edu.tw
Office Hour：
星期二,第3~4節,地點:T2-1028;
星期三,第3~4節,地點:T2-1028;
分機:
|
|