系 所：资讯工程系 教 师：陈怡伶 必 选 修：必修 学 分：3 心 得： Programming Assignments: 60% Final Project: 40% Class Participation: extra 5%~10% bonus 上课内容以Introduction to Data Mining, 2nd Edition这本的内容为主 classification, KNN, SVM, grouping, association等等的内容都会提到 1. Homework 会有三次的程式作业 取两次较高成绩 三次作业分别是： 1. Classification 2. Grouping 3. Associative analysis 都是在Kaggle上进行班内竞赛 所以程式成绩是相对的 有过Baseline最少会有70分 没过理论上是0分 但有时没过的人太多会斟酌给分 (在这边提醒一下，Public leaderboard的baseline跟Private的不一样，所以过了public 的baseline不代表一定过private) 每次作业也要交一个报告 占40% 别乱写 该写的都有写到应该都可以拿高分 而每个作业的实作方法都没有限制 用课堂没教过的东西来做也可以 2. Project 这部份三个人一组 挑一个自己喜欢的主题来做 并生出一些成果 主题五花八门 例如酒品预测、车祸原因分析、CS:GO的战情分析、MLB银棒奖预测...等 真的不知道要做什麽就上Kaggle找一些入门主题也OK 重点是要有成果 期末要上台报告并接受老师/同学提问 ------- 大概是这样 建议作业要好好做 毕竟才两次 Kaggle认真刷一下都有机会拿高分 算是一堂满甜的课 推 荐 度：★ * 4 (最少一颗 最多五颗) --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 111.252.28.62 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUST_STUDY/M.1580295225.A.A56.html ※ 编辑: edward8726 (111.252.28.62 台湾), 01/29/2020 18:54:53