Text Mining & Knowledge Engineering 文字探勘與知識工程 2017 Fall

• Announcement
• Class Information
• Requirement and Grading
• Schedule
• 成績查詢

1. Announcement

• 2017/09/01: 課程講義將陸續於上課前在網站公布下載。

2. Class Information

• 本課程旨在培養國內大數據分析，特別為非結構資料處理之專業人才（例如文字探勘、語意分析等應用）
• 課程編號: WDM72201
• 上課時間: 星期六7,8 (實際為隔周六5,6,7,8，為13:10~16:30) 5613 教室
• 授課教師: 楊立偉 博士 (wyangntu.edu.tw)
• Office Hour: 課後依需要而定
• 參考書目:
1. 本課程將以本書做為主要教科書。
   Introduction to Information Retrieval, by Christopher D. Manning, etc. Cambridge University Press, 2008
   HTML edition
2. 以下為參考書籍。
   Text Mining: Classification, Clustering, and Applications, by Ashok Srivastava , Mehran Sahami. Chapman & Hall, 2009.
   The Fourth Paradigm: Data-Intensive Scientific Discovery, by T. Hey, S. TanSley, K. Tolle. Microsoft Research, 2009. PDF edition

3. Requirement and Grading

課程背景:

在數位化的時代中，科技的進步與網路的普及，使得資訊的產出呈現爆炸性的成長。
如何在大量非結構資訊中，找到使用者想要的，並藉由特殊的演算法，可進一步分析出資訊背後所隱藏的知識。
協助人們用更少的時間、處理更多的資訊、得到更高品質的知識，即為知識工程之目的。
而本課程將針對非結構資訊，特別是巨量文字資訊、以及網路資訊，介紹當今最新的技術與產業發展。

課程目標:

1. 認識巨量資料、知識工程、文字探勘領域並培養知識技能 (40%)
2. 培養相關系統設計之觀念與能力 (30%)
3. 了解相關技術、應用、議題與發展 (30%)

授課方式:

1. 主要採用課堂上課，以投影片搭配範例解說。
2. 含實作議題討論與問答。

評分方式:

1. 指定題目作業 (60%)
• 每組 1~4 人，共2次


2. 期末專題 (40%)
• 每組 1~4 人，包括提案與實機展示

4. Schedule

週次	主題	投影片
Week 1 (2017.09.23) 上課	L1 Term Weighting and VSM	導論 講義1
Week 2 (2017.09.30)
Week 3 (2017.10.07)
Week 4 (2017.10.14) 上課	L2 Web Mining	講義2 作業1 語料
Week 5 (2017.10.21)
Week 6 (2017.10.28) 上課	L3-1 Classification	講義3-1
Week 7 (2017.11.04)
Week 8 (2017.11.11) 上課	L3-2 Classification	講義3-2 作業2
Week 9 (2017.11.18)
Week 10 (2017.11.25) 上課	期中考周:作業展示
Week 11 (2017.12.02)
Week 12 (2017.12.09) 上課	L4 Clustering	講義4 個案研究
Week 13 (2017.12.16)
Week 14 (2017.12.23) 上課	L5 Language Processing	講義5 作業說明 1 2 3
Week 15 (2017.12.30)
Week 16 (2018.01.06) 上課	L6 Case Study	講義6 工具展示
Week 17 (2018.01.13)
Week 18 (2018.01.20) 上課	期末考周:專題展示

5. 成績查詢

Last update: 2017 Sept.