数据科学与工程研究所.doc

PAGE 1 PAGE \* MERGEFORMAT9 課程結構與內容 本碩士班規劃於修業年限內需修畢24學分，其中必修15學分，選修9學分。為達成上述教育目標與特色，規畫課程分為「預備先修課程」、「基礎核心課程」與「進階選修課程」(請參見數據科學與工程碩士班課程地圖，圖一)。 「預備先修課程」旨在要求學生具備基礎的程式語言能力與統計概念，以利於順利銜接本所碩士班所開設的課程。學生需於入學前透過自學或實際修課的方式，或入學後透過補修的方式，滿足預備先修課程的要求。 「基礎核心課程」是為了讓學生學習與實作從事大數據分析時所需的電腦程式、數據分析、資料視覺化之相關方法，和數據工程 (Data Engineering) 層面上的問題，以培養同時具備這些技術的人才。其中「資料探勘」與「統計方法」教授基本的資料探勘/分析的電腦演算法/統計方法，為數據分析技術的核心課程。「數據科學概論與軟體實務」學習與整合大數據分析在資料存取、分析與視覺化階段所使用的軟體，讓學生通盤了解可運用的商用或open source工具的現況，是執行電腦實作時不可或缺的能力。「數據科學演講」課將定期邀請從事大數據分析與研究的業界、學界人士，前來發表專題演講，分享他們欲解決的問題、經驗與成果，以增廣學生在大數據領域的眼界。又課程亦會安排學生，就參與的計畫或參加的競賽做一個分享，訓練其表達能力，讓他們成為一個“會說故事”的數據科學家。「巨量資料技術與應用」涵蓋處理大量、快速、多樣資料時運算環境的建置(包含：Hadoop、Spark、Mahout、Graph Models、Data Streams…等)，此為數據系統與工程上的核心問題。「數據科學專題」將透過實際參與資料科學競賽的方式，讓學生組隊參加比賽接觸實際的巨量資料，實作巨量資料分析與學習團隊合作。 「進階選修課程」分為資訊、統計與應用數學領域，是要讓學生進一步專精大數據分析其中一領域，培養具備改進與研發新技術能力的人才。這部分的課程將來自現有資訊學院、理學院之統計所與應用數學系/所之相關專業學科，學生可依據碩士論文主題或與論文指導教授討論選修。 為培養學生的專業領域???識，我們將鼓勵修習其他系所開設的基礎應用課程，如：管理學院的「管理科學導論」、「財務管理」、「經濟學」、「會計學」，生物科技學院的「普通生物學」，電機學院的「電子學」，資訊學院的「資料結構」、「物聯網概論」、「網路通訊原理」，理學院的「物理」、「化學」…等課程。 各別課程的主要內容說明，請參見表一。相關課程的開設學期別，則如表二所示。建議的修課順序，第一年上學期可修「基礎核心課程」中的必修I：「資料探勘」、「統計方法」、「數據科學概論與軟體實務」。第一年下學期則修習「基礎核心課程」中的必修II：「巨量資料技術與應用」、「數據科學專題」。第一年下學期與第二年上學期可依學生自己的專長與興趣，選修「進階選修課程」中某一領域的課程。所有學生至少需修習兩學期的「數據科學演講」，我們亦鼓勵至少修習一門其他系所開設的基礎應用課程。 圖一：數據科學與工程碩士班課程地圖 表一：課程內容簡介 課程名稱課程介紹授課教師資料探勘 (必修、3學分)本課程主要教授基本的資料分析/探勘的演算法，其中包含關連式法則探勘(association rule mining)、分群法(clustering algorithms)、分類法 (classification)、時序性資料探勘 (time series data mining)、Web mining、social media mining及Text mining等。本課程也會探討部分數據工程 (Data Engineering) 層面上的問題，包括處理大數據多樣、非結構與大量等特質時，在工程上要做的系統研發與運算環境建置。本課程將要求學生實際參與資料分析競賽或是專題，實際運用資料探勘演算法，與相關資料分析程式的實際撰寫。彭文志統計方法 (必修、3學分)本課程將以實際的巨量資料為核心，搭配統計軟體R的使用，引導課程參與者接觸並學習統計基本原理、資料探索方法(exploratory data analysis)、統計檢定(statistical hypothesis testing)相關的概念和方法、迴歸分析(regression analysis)、主成份與因素分析(principal component and factor analysis)、集群分析(cluster analysis)、分類與判別分析(classification and discrimination analysis)等資料探勘(data mining)相關的概念和方法。上課內容，將廣泛包含所有相關知識，上課時側重講述