課程描述

值此各大產業紛紛應用人工智慧技術，並從各自原生領域積極延攬與培養資料科學家的時代，具備相關專業的藝術管理人才卻十分稀少。本課程將接續「資料科學導論」課程的理論基礎，引導學生結合自身領域知識，獨立完成實作專案，使之具備初階資料科學專業訓練。除了深入操作 Orange 探索性數據分析和交互式數據可視化工具之外，亦將搭配 Weka 知識分析工具以及 Gephi 社會網路分析工具，三者均為跨平臺且開放原始碼的自由軟體，有利於產、官、學界的推廣與使用。期中報告使用指定資料集，期末報告則為自選資料集，兩者皆須接受師生提問，以促進全體成員的交流與成長。

參考資料

• 沈佩誼（2018）譯，《文科生也看得懂的資料科學》，臺北市：碁峰資訊。

• 徐瑞珠（2017）譯，《認識資料科學的第一本書》，臺北市：碁峰資訊。

• 衛宮紘（2020）譯，《圖解AI：機器學習和深度學習的技術與原理》，臺北市：碁峰資訊。

• 陳亦苓（2016）譯，《資料科學的商業運用》，臺北市：碁峰資訊。

• 梁棟、張兆靜、彭木根（2020），《大數據X資料探勘X智慧營運》，臺北市：崧燁文化。 

• 梁定澎（2020）主編，《智慧電子商務研究III》，新北市：前程文化。

• 梁定澎（2019）主編，《智慧電子商務研究II》，新北市：前程文化。

• 梁定澎（2018）主編，《智慧電子商務研究I》，新北市：前程文化。

• C. O’Neil and R. Schutt, Doing Data Science: Straight Talk from the Frontline. Sebastopol, CA: O’Reilly Media, 2013.

• B. W. Wirtz, Digital Business Models: Concepts, Models, and the Alphabet Case Study. Cham: Springer, 2019. 

• Orange

• Weka

• Gephi

先備課程

• 資料科學導論，國立臺南藝術大學高階藝術管理碩士在職學位學程。

延伸課程

• Machine Learning for Musicians and Artists, Kadenze.

• 資料科學家，輔仁大學統計資訊學系。

• 進擊！Big Data分析實務，國立臺北科技大學資訊與財金管理系。

• Data Analysis and Interpretation Specialization, Wesleyan University.

相關課程

• 金融大數據，國立臺北科技大學資訊與財金管理系。

• 政治學資料探勘與機器學習，國立成功大學政治學系。

• 大數據與人工智慧在法律判決的應用，國立成功大學法律學系。

課程規範

• 請攜帶電量充足的智慧型手機，預先設定好在教室內的網路連線，並將所有鈴聲轉為靜音，以備課堂活動使用。

• 請攜帶筆記型電腦與電源線，以便練習實作，Windows、macOS、Linux作業系統皆可。

• 口頭報告採用單盲制同儕審查，並將公告審查結果之平均值與去識別化之評語，以促進互相觀摩和意見交流。報告者須於書面檔案中回覆，並於參考建議後修改內容。

• 學期結束後，將公告全班成績合併計算之統計值和級距分布。

• 本校宣導加註警語：「遵守智慧財產權觀念」、「不得不法影印」。

意見回饋

歡迎同學於課堂上向老師提問與建議，若有其它顧慮，可填寫此回饋單。由於開放匿名填報，因此未必能夠直接回覆，但是會將提問的答案整合至授課內容當中，並參考多方建議調整教學方式。

晤談時間（office hour）

請事先預約，每次一節課以內。