【文件属性】:
文件名称:BigData20180301:巨量资料导论上课资料
文件大小:26.35MB
文件格式:ZIP
更新时间:2021-05-10 02:19:22
JupyterNotebook
巨量资料分析导论上课资料
底下为概略的课纲,实际内容会随着学生的React调整。
(原先预定会涵盖的容器技术,因为比较属于DevOps 技术而不是资料分析技术,经过考量先从课纲中往后挪,如果课程最后有足够的时间才会再排入课纲。)
修课前提:
学生需了解网路基本原理、熟悉Python 程式设计、熟悉命令列指令操作。
课程目标:
让学生了解巨量资料分析理论,并知悉巨量资料分析技术,预期课程结束时,学生能以Python 相关套件实作出一个财金应用专题。
评分方式:
课堂参与及个人新知报告(20%)
平时作业(20%)
期中考(30%)
期末报告(30%)
参考书籍:
(上面书籍学校图书馆或*市立图书馆应该都借的到,也可查询一下*云端书库里面有没有。)
课纲:
Week 01. 课堂大纲解说与电脑环境设定说明
Week 02. Python 简介
- DUE: 2018/03/16 12
【文件预览】:
BigData20180301-master
----.gitignore(1KB)
----Homework05()
--------Readme.md(464B)
----Homework01()
--------Homework 01.ipynb(1KB)
--------Readme.md(835B)
----Midterm()
--------Readme.md(1KB)
----kaggle()
--------titanic()
--------imdb()
----Homework03()
--------Readme.md(482B)
----Homework02()
--------Readme.md(421B)
----README.md(10KB)
----numpy, matplotlib, pandas()
--------images()
--------data()
--------03. Pandas 簡介.ipynb(12KB)
--------02. MatPlotLib 簡介.ipynb(12KB)
--------01. Numpy 簡介.ipynb(14KB)
----sklearn()
--------Kmeans使用範例.ipynb(3KB)
--------PCA使用範例.ipynb(30KB)
--------Linear Regression使用範例.ipynb(4KB)
--------readme.md(602B)
--------SVM使用範例.ipynb(4KB)
--------preprocessing範例.ipynb(10KB)
----Bonus01()
--------bike.jpg(186KB)
--------Bonus01.ipynb(4KB)
--------valve.png(265KB)
--------Readme.md(586B)
--------lena.jpg(47KB)
----Homework04()
--------Readme.md(478B)
----Final()
--------Readme.md(2KB)