NT$650
最新討論
課程資訊
適合對象
✔ 想瞭解資料分析的原理的人
✔ 對統計的進階運用有興趣者
你可以學到
讓您一堂課了解:
✔ 資料探勘原理
✔ 關聯規則的觀念與使用技巧
✔ 分類原理的觀念
✔ 分類方法、決策樹、簡單貝式分類
✔ 聚類原理的觀念
✔ K-Means、階層聚類技術、DBSCAN密度式聚類法
課程介紹
┃這堂課教什麼?
本課程透過深入淺出的生活案例,減少同學對數字的恐懼,讓學員可以輕鬆了解資料探勘與機器學習原理與技巧,以及相關的差異,進而有能力進行選擇適合的演算法,進行資料分析幫助企業決策。
課程重點
✔ 資料探勘原理
✔ 關聯規則的觀念與使用技巧
✔ 分類原理的觀念
✔ 分類方法、決策樹、簡單貝式分類
✔ 聚類原理的觀念
✔ K-Means、階層聚類技術、DBSCAN密度式聚類法
┃這堂課有多厲害?
✔ 資料探勘-非學不可的理由
自從2016年AlphaGo挑戰韓國棋聖一戰成名後,不只震撼全球,更讓其實作原理的機器學習與資料探勘,再度吸引到世人的目光。然而資料探勘與機器學習不是只能讓電腦下圍棋,從電商網頁購物車裡推薦消費者專屬商品,到製造業工廠機台的自動控制甚至預防性維護、品質控管、原物料預測,到現在各大汽車廠所將推出的汽車自動駕駛控制系統,都再再可以看到資料探勘與機器學習所應用的身影。
✔ 實例分享!課程更精彩本次課程將利用生動活潑的企業案例,配合講師豐富的經驗與深入淺出的講解,不用生硬的數學公式,讓人能輕鬆的吸收資量探勘箇中的奧妙,藉由瞭解各種資量探勘演算法的不同,進而同學有能力能選擇所適合的工具方法,讓資料不再是吃空間或硬碟的雜物,而是幫助企業決策的一盞明燈。
┃學習資料探勘有什麼好處呢?
✔ 學生:瞭解資料分析的原理,作為進入大數據分析領域的基礎,進行量化研究論文的工具
✔ 求職者:提升職前技能、擴大就業市場、自信加分、面試加分、薪資提高
✔ 在職者:
(1) 資料分析師:瞭解資料分析的原理,增加資料分析的工具
(2) 中高階主管:了解資料分析演算法的優缺點、擬定策略更明確
┃學了資料探勘可應用在哪裡?
✔ 瞭解資料分析的原理原則
✔ 選擇適合的演算法
✔ 判讀資料分析結果
✔ 幫助企業執行資料分析策略擬定
┃大概需要花多時間學習?
課程時長:3.7小時
單元總數:3大單元
課程測驗:19個課中小測驗,讓你吸收更紮實!
┃講師是誰?
【陳士杰】
國際認證Oracle 10g OCE與OCA種子教師,目前任教於大專院校資管系,具備豐富的實務教學經驗,專長為資訊檢索、資料探勘、機器學習和模糊理論等領域。熟習利用分析技術於生物資訊和生理訊號之創新應用服務設計和開發。
┃課程大綱
第一單元:資料探勘概論與關聯規則
-學習資料探勘的技巧
-資料探勘的意義
-資料探勘的主要技術(點這邊看看試閱)
-資料探勘的潛在應用
-小測驗:資料探勘概念問答
-關聯規則概念
-關聯規則相關術語
-支持度與信賴度之說明
-小測驗:術語認識
-Apriori演算法概念與執行步驟
-Apriori演算法執行範例1
-Apriori演算法執行範例2
-小測驗:理解Apriori演算法之執行
-如何由頻繁項目集找出關聯規則
-小測驗:由頻繁項目集找出關聯規則的作法
-FP-Growth演算法概念與執行步驟
-執行範例-步驟1:掃描DB
-執行範例-步驟1:建立FP-tree
-執行範例-步驟2:建構條件模式庫
-執行範例-步驟2:產生頻繁項目集
-使用FP-tree的特性
-小測驗:FP-Growth演算法的步驟細節
-支持度與信賴度的批評
-小測驗:支持度與信賴度的批評
第二單元:分類概念
-分類的意義
-衡量分類模型的正確性
-小測驗:分類概念問答
-決策樹概念與基本建構流程
-屬性選擇指標與屬性分割之說明
-ID3決策樹演算法概念與執行步驟
-ID3決策樹演算法執行範例
-小測驗:理解ID3決策樹演算法之執行
-C4.5決策樹演算法
-小測驗:理解C4.5演算法與ID3演算法的不同
-基礎機率概念回顧
-簡單貝氏分類法
-簡單貝氏分類法討論及Laplace Estimator
-小測驗:簡單貝氏分類法討論
-貝氏信念網路
-貝氏信念網路範例
-小測驗:貝氏信念網路的過程
第三單元:聚類概念
-聚類的意義
-小測驗:聚類概念問答
-K-Means法運作概念及其演算步驟
-K-Means法運作範例
-K-Means法討論
-小測驗:K-Means法概念問答
-階層聚類技術概念與基本演算法
-三種階層聚類方法概念
-小測驗:階層聚類方法認識
-階層聚類方法 (1):Min法及其範例、特性說明
-小測驗:理解Min階層聚類演算法
-階層聚類方法 (2):Max法及其範例、特性說明
-小測驗:理解Max階層聚類演算法
-階層聚類方法 (3):群平均法及其範例、特性說明
-小測驗:理解群平均階層聚類演算法
-DBSCAN密度式聚類法概念與基本術語 (1)
-DBSCAN密度式聚類法概念與基本術語 (2)
-小測驗:DBSCAN密度式聚類法討論
-DBSCAN演算步驟與範例
-DBSCAN密度式聚類法討論
-小測驗:DBSCAN密度式聚類法步驟與特性
學習前基本能力
學習前準備
課程資訊
關於講師
陳士杰
●國立台灣科技大學資訊工程博士
●目前任職於國立聯合大學資訊管理學系
●主要講授課程:
-資料庫系統管理
-資料庫系統實務(講授Oracle OCE認証課程)
-進階資料庫系統實務(講授Oracle OCA認証課程)
-機器學習與資料探勘
●研究專長:資訊檢索、機器學習、資料探勘與模糊理論
學習資料探勘的技巧
資料探勘的意義
資料探勘的主要技術
資料探勘的潛在應用
資料探勘概念問答
關聯規則概念
關聯規則相關術語
支持度與信賴度之說明
術語認識
Apriori演算法概念與執行步驟
Apriori演算法執行範例1
Apriori演算法執行範例2
理解Apriori演算法之執行
如何由頻繁項目集找出關聯規則
由頻繁項目集找出關聯規則的作法
FP-Growth演算法概念與執行步驟
執行範例-步驟1:掃描DB
執行範例-步驟1:建立FP-tree
執行範例-步驟2:建構條件模式庫
執行範例-步驟2:產生頻繁項目集
使用FP-tree的特性
FP-Growth演算法的步驟細節
支持度與信賴度的批評
支持度與信賴度的批評
分類的意義
衡量分類模型的正確性
分類概念問答
決策樹概念與基本建構流程
屬性選擇指標與屬性分割之說明
ID3決策樹演算法概念與執行步驟
ID3決策樹演算法執行範例
測驗:理解ID3決策樹演算法之執行
C4.5決策樹演算法
理解C4.5演算法與ID3演算法的不同
基礎機率概念回顧
簡單貝氏分類法
簡單貝氏分類法討論及Laplace Estimator
簡單貝氏分類法討論
貝氏信念網路
貝氏信念網路範例
貝氏信念網路的過程
聚類的意義
聚類概念問答
K-Means法運作概念及其演算步驟
K-Means法運作範例
K-Means法討論
K-Means法概念問答
階層聚類技術概念與基本演算法
三種階層聚類方法概念
階層聚類方法認識
階層聚類方法 (1):Min法及其範例、特性說明
理解Min階層聚類演算法
階層聚類方法 (2):Max法及其範例、特性說明
理解Max階層聚類演算法
階層聚類方法 (3):群平均法及其範例、特性說明
理解群平均階層聚類演算法
DBSCAN密度式聚類法概念與基本術語 (1)
DBSCAN密度式聚類法概念與基本術語 (2)
DBSCAN密度式聚類法討論
DBSCAN演算步驟與範例
DBSCAN密度式聚類法討論
DBSCAN密度式聚類法步驟與特性
學習附件
購買此課程後,才能使用留言功能
目前尚無任何討論主題
成為第一個發問的人!在問答中找到學習的捷徑。關於講師
陳士杰
●國立台灣科技大學資訊工程博士
●目前任職於國立聯合大學資訊管理學系
●主要講授課程:
-資料庫系統管理
-資料庫系統實務(講授Oracle OCE認証課程)
-進階資料庫系統實務(講授Oracle OCA認証課程)
-機器學習與資料探勘
●研究專長:資訊檢索、機器學習、資料探勘與模糊理論