臺大課程網
最新消息幫助中心預選課表

資料科學計算

113-1 開課

  • 流水號

    38322

  • 課號

    Data5009

  • 課程識別碼

    946 U0090

  • 無分班

  • 3 學分

  • 必修

    資料科學碩士學位學程

      必修

    • 資料科學碩士學位學程

  • 潘建興

  • 密集課程

    第 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 週

  • 三 2, 3, 4, 5

  • 新201

  • 1 類加選

  • 修課總人數 40 人

    本校 40 人

  • 無領域專長

  • 中文授課
  • NTU COOL
  • 核心能力與課程規劃關聯圖
  • 備註
    密集課程。停修截止日：11/22(五)。
  • 修課限制

    • 限碩士班以上

  • 本校選課狀況

    載入中
  • 課程概述
    Part I: Linear Algebraic Techniques 第四週 (09/25) Matrix Decomposition and Eigenvalue Problems 第五週 (10/02) Principal Component Analysis and Independent Component Analysis 第六週 (10/09) Singular Value Decomposition and Low-Rank Tensor Recovery Part II: Basic Optimization Techniques 第七週 (10/16) Linear Programming and Single-State Methods 第八週 (10/23) Gradient Methods and Methods of Local Search 第九週 (10/30) Simulated Annealing and Genetic Algorithms 第十週 (11/06) Particle Swarm Optimization and Ant Colony Optimization Part III: Statistical Computing Techniques 第十一週 (11/13) Final Project Discussion 第十二週 (11/20) Monte Carlo Methods 第十三週 (11/27) Sampling Methods 第十四週 (12/04) Metropolis-Hastings Algorithm and Gibbs Sampling 第十五週 (12/11) EM Algorithms and Methods of Bootstrapping 第十六週 (12/18) Final Project Due
  • 課程目標
    本課程的主要目標有三: 1. 從最基礎的傳統方法到最先進的新方法教導學生統計計算和最佳代演算法的方法和理論. 2. 透過結合課程的基本知識和網路搜尋的資料, 培養學生能夠自行學習全新未知的統計計算和最佳化演算法的能力. 3. 透過了解各演算法的優劣, 培養學生能夠自行改良現有方法的能力.
  • 課程要求
    本課程需要學生有基本的編程能力(C++, JAVA, R, Python, Matlab任何一種語言都可以)和大學程度的基礎數學和基礎統計知識. 相關內容將於09/18或之前於課程專頁中的Lecture 00詳述.
  • 預期每週課後學習時數
  • Office Hour
  • 指定閱讀
  • 參考書目
    教科書: 無,教師自行撰寫和在網上提供學生閱讀. 參考書目: 無
  • 評量方式
    12%

    Attendance

    出席一堂課能得到1分, 一共12堂課. 如有特殊情況可事先和教授或TA請假.

    48%

    Homework

    本課程共有三份功課, 分別於10/09, 11/06和12/04於網上發報, 並於一周後繳交. 每份功課最高能得到16分.

    40%

    Final Project

    本課程的期未考是以Project的形式進行, 題目將於11/06於網上發報, 並於12/18前繳交, 最高能得到40分.

  • 針對學生困難提供學生調整方式
    調整方式說明
    其他

    由師生雙方議定

  • 課程進度