語言分析與資料科學入門

Edit Page

資料科學家的工作, 可以視為是一個探索、預測與解讀資料意義的互動歷程。而語言分析的工作, 在了解文本資料的語意與情緒表現上是重要的關鍵。本課程結合了目前統計程式設計與自然語言處理技術, 以較為簡潔容易入門的設計與實際操作導引, 希望可以讓毫無相關程式學習基礎的學生在本課程的帶領下, 達到以下的學習目標:

了解結構與非結構性資料的特性與預處理工作, 特別是針對中文文本中呈現的語言特性的處理方法。
了解中文的語言特性與文本解析 (text analytics) 的基本概念。
選擇適當的變數與特徵並加以合理調製, 對之進行描述統計與視覺探勘, 針對不同的問題點與數據類型, 找出適當的圖形表達與統計分析。
學習簡易的自然語言處理與機器學習預測模式, 並應用在自己關心的領域。

課綱

詳細一點的版本

Week	Date	Topic	Lab
1	09/17	Orientation
2	09/24	Introduction to Data Science and Text Analytics	RStudio.Agilearning
3	10/01	Introduction to Data Science and Text Analytics	Linux.command-line
4	10/08	Preparing / Preprocessing text and linguistics ABC	R programming: chapter 1-4
5	10/15	Preparing / Preprocessing text and linguistics ABC	R programming: chapter 5-7
6	10/22	Exploratory data analysis and Infographics	Data Manipulation: chapter 1-2
7	10/29	Exploratory data analysis and Infographics	Data Visualization: 1-3;7-10
8	11/05	Corpus and natural language processing	Textual data manipulation: Regular Expression
9	11/12	Corpus and natural language processing	R and Statistics: course one (five chapters)
10	11/19	Text classification and clustering
11	11/26	`mini-Hackathon`	開始規劃期末展演
12	12/03	Text classification and clustering
13	12/10	Topic modeling
14	12/17	Sentiment analysis
15	12/24	Stylometrics and personality detection
16	12/31	Discussion
17	01/07	Term project presentation (un-conference)
18	01/14	Final term project and report due

教練團

謝舒凱 (Aber) <shukaihsieh@ntu.edu.tw>
施孟賢 (Simon) <simon.xian@gmail.com>
張瑜芸 (Taco) <yuyun.unita@gmail.com>

課程投影片

助教講義、習題與作業

評分標準

課程教材

在課程投影片中講解基本概念，如果有興趣了解進階內容，可參考以下線上教材

Linguistic Analysis and Data Science

語言分析與資料科學入門

課綱

教練團

課程投影片

助教講義、習題與作業

課程教材

課程同學自發活動

課程精神

作業分數分佈圖

小組作業觀摩

Capstone projects