數據分析實務
何思賢
逢甲大學
助理教授
畢業於台灣大學經濟學系，主要研究領域為個體經濟理論。
教授經濟學、個體經濟理論、資料探勘等課程，近年教學重心為資料科學相關課程。
課程簡介
「數據分析實務」課程運用R（或Python）進行數據分析。本課程會以案例介紹資料探勘的各種環節：資料視覺化、傳統計量分析的常用模型、以及各種機器學習方法，課程最後會多層次地分析兩個實際案例，讓學生對數據分析整體流程有深刻印象，將所學應用在人社、商管領域的實際問題。
課程目標
1. 認識數據化浪潮，以及理解數據化思維。
2. 認識傳統統計分析與機器學習的異同。
3. 理解資料探勘的意義，以及領域知識的重要性。
4. 學習常常運用在實際案例的迴歸模型。
5. 透過案例學習各種機器學習方法，並初步理解各方法的設計精神。
6. 藉由課程引導，分析實際案例。學生正確解讀數據後，才可以提出適當的政策建議（包括商業決策）。
適用對象
高中以上對電腦操作有基礎; 對程式設計、資料處理有興趣的學生或社會人士
課程特色
本門課程側重於數據分析方法本身，但同學也將對數據分析整體流程、領域知識的重要性以及數據化思維有基本認知。本門課不強調數學，而採用比喻的方式介紹概念，生動卻不失精確。
課程進度
第一周 數據化思維與資料科學
第二周 資料預處理（一）
第三周 資料預處理（二）
第四周 探索性資料分析
第五周 迴歸模型與相關拓展
第六周 邏輯斯模型和貝氏分類器
第七周 機器學習模型基本概念
第八周 分類：決策樹、隨機森林、集成學習
第九周 感知器、支持向量機，其他機器學習模型簡說
第十周 兩個專題實作
學習成效評量
每單元都有觀念測驗題與數據分析題，最後須完成兩個綜合分析案例，總成績達 60 分可取得證書。
觀念測驗題：40%
數據分析題：40%
綜合分析案例：20%
完成課程即可獲得證書