# 【NTU CS+X】資料科學程式設計

## 前言

本課程結合 R 語言與其他電腦資訊技術，運用在各專業領域上。例如：以虛擬社群做社會行為的量化分析、以量化研究方法做人口統計學上的社會變遷、以質性研究方法針對虛擬社群做網誌調查、資料視覺化與結合地圖資訊系統等。

本課程會以「翻轉教學」方式進行，學生需透過提供的線上資源，在每次上課前自行學習要求的進度，而上課時間則會與組員、助教、教授討論，運用所學完成小任務（作業）。在整個教學過程中，學生主動地去了解、探索問題及深入思考，讓學習深化，而所培養的自主學習態度也是一切創新研究的根本。

## 課程綱要

| 時間     | 課程內容                                                     |
| ------ | -------------------------------------------------------- |
| week 1 | Github / RStudio env. / Basic R / R markdown             |
| week 2 | Package / Pipes / Data manipulation / Data visualization |
| week 3 | Term frequency / EDA / Text mining                       |
| week 4 | Statistics / Web crawler                                 |
| week 5 | 企業講座：叡揚資訊-企業e化應用軟體開發與服務領導廠商 / Shiny                      |
| week 6 | Presentation                                             |

## 成績計算 <a href="#cheng-suan" id="cheng-suan"></a>

### 成績分配 <a href="#cheng-fen-pei" id="cheng-fen-pei"></a>

1. &#x20;課堂任務 55%

   * 第一週 (Github & RMarkdown) 5%
   * 第二週 (PTT文字資料收集 & 文字雲) 10%
   * 第三週上午 (EDA) 10%
   * 第三週下午 (TFIDF + PCA + Kmeans) 15%
   * 第四週 (文字與數字複合式資料分析) 15%
   * 第五週 (彈性議題 on Shiny) 0%

   ​
2. &#x20;第六週小組專題 45%

### 遲交扣分規則 <a href="#jiao-kou-fen" id="jiao-kou-fen"></a>

1. &#x20;課堂作業繳交期限為隔週上課前一天（星期二晚上12點）。
2. 遲交一律降一個等第（A+ 降為 A）
3. [作業成績](https://docs.google.com/spreadsheets/d/1kpo7qc1uXtuiLI_-n2fnypijLj6p3uyc14Or76i64JA/edit?usp=sharing)

## 補充資料 <a href="#chong-liao" id="chong-liao"></a>

* ​[Github 範例](https://github.com/NTU-CSX-DataScience/106Summer)​
* ​[資料科學程式設計臉書社團](https://www.facebook.com/groups/758358000971570/)​
* ​[discord 討論區](https://discord.gg/r2dx8VZ)​
* Mentors
  * 蔡芸琤 (<pecutsai@ntu.edu.tw>)
  * 王冠人 (<b06201038@ntu.edu.tw>)
  * 萬俊彥 (<michaelwan0906@gmail.com>)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://n2-data-science-programming.gitbook.io/rsummer/master.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.