系 所：資訊工程系 教 師：陳怡伶 必 選 修：必修 學 分：3 心 得： Programming Assignments: 60% Final Project: 40% Class Participation: extra 5%~10% bonus 上課內容以Introduction to Data Mining, 2nd Edition這本的內容為主 classification, KNN, SVM, grouping, association等等的內容都會提到 1. Homework 會有三次的程式作業 取兩次較高成績 三次作業分別是： 1. Classification 2. Grouping 3. Associative analysis 都是在Kaggle上進行班內競賽 所以程式成績是相對的 有過Baseline最少會有70分 沒過理論上是0分 但有時沒過的人太多會斟酌給分 (在這邊提醒一下，Public leaderboard的baseline跟Private的不一樣，所以過了public 的baseline不代表一定過private) 每次作業也要交一個報告 占40% 別亂寫 該寫的都有寫到應該都可以拿高分 而每個作業的實作方法都沒有限制 用課堂沒教過的東西來做也可以 2. Project 這部份三個人一組 挑一個自己喜歡的主題來做 並生出一些成果 主題五花八門 例如酒品預測、車禍原因分析、CS:GO的戰情分析、MLB銀棒獎預測...等 真的不知道要做什麼就上Kaggle找一些入門主題也OK 重點是要有成果 期末要上台報告並接受老師/同學提問 ------- 大概是這樣 建議作業要好好做 畢竟才兩次 Kaggle認真刷一下都有機會拿高分 算是一堂滿甜的課 推 薦 度：★ * 4 (最少一顆 最多五顆) --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.252.28.62 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTUST_STUDY/M.1580295225.A.A56.html ※ 編輯: edward8726 (111.252.28.62 臺灣), 01/29/2020 18:54:53