課程資料
|
K961 空間大數據分析
|
開課學期：1122
|
開課班級：
地理系 3
|
|
授課教師：陳致元
|
選修
|
學期課
|
學分數：2.0
|
義 0525 星期一 13:10-15:00
|
|
K961 BIG DATA AND SPATIAL ANALYSIS
|
2024 Spring
|
Department of Geography 3
|
|
Professor：CHEN, CHIH-YUAN
|
Elective
|
Semester
|
Credits:
2.0
|
Da Yi 0525 Monday 13:10-15:00
|
發展願景
傳揚中華文化，促進跨領域創新，與時精進，邁向國際
It is our objective to promote Chinese culture, enhance cross-disciplinary innovation, seek constant advancement, and embrace global community.
辦學宗旨
秉承質樸堅毅校訓，承東西之道統，集中外之精華，研究高深學術, 培養專業人才，服務社會，致力中華文化之發揚, 促進國家發展.
Based on our motto—“Temperament, Simplicity, Strength, and Tenacity,” “inheriting the merits of the East and the West” and “absorbing the essence of Chinese and foreign cultures,” we make it our mission to pursue advanced research, develop professional talents, serve the society, promote Chinese culture and support national development.
校教育目標
校基本素養
校核心能力
院教育目標
奠定自然科學基礎培養後續學習能力
強化理論與實務並重的多元課程
推動跨領域學習
促進國際化教學提升學生競爭力
院核心能力
自然科學知識的能力
理論與實務結合的能力
國際化與團隊溝通合作的能力
多元整合的能力
系教育目標
培育理論與實務並重的地理專業人才
訓練具卓越的科技專業競爭力人才
培養具備國際觀及多元化教育人才
系核心能力
具備正確地理專業觀念與認知
開拓國際視野與跨領域專業技能
問題認知及解決能力
暸解當代科學技術發展
認同地理環境永續發展意識
關懷社會環境的適切性及人與地的和諧共生
課程目標
學生修習此課程後，將會學習下列知識及能力，
1.了解空間大數據處理的基本概念，同時可以實作大型資料的前處理以及分析作業。
2.會使用Python程式語言進行網路爬蟲實作，收集非結構化的網路資源。
3.理解空間大數據的基本分析方法，並有能力將不同資料處理函式庫進行轉換或是串接處理。
4.將處理過的空間大數據加以視覺化。
課程能力
具備正確地理專業觀念與認知 (比重 25%)
開拓國際視野與跨領域專業技能 (比重 10%)
問題認知及解決能力 (比重 10%)
暸解當代科學技術發展 (比重 10%)
認同地理環境永續發展意識 (比重 15%)
關懷社會環境的適切性及人與地的和諧共生 (比重 30%)
課程概述
大數據時代的來臨讓地理資料的取得變得更加容易，但也讓資料的分析處理變得更加複雜。智慧型手機以及行動網路的普及，讓研究者可以得到包含大量使用者空間行為的行動資料（Mobility Data），或是所謂的自發性地理資訊(Volunteered Geographic Information，VGI)等，未來對於空間大數據分析的需求勢必增加。因此，本課程希望以深入淺出的方式，教授空間大數據分析的相關理論與實作流程。
在空間大數據分析的過程當中，前期的資料獲取與處理佔研究時程很大的一部分，本課程在前半段將介紹空間大數據分析的基礎概念，以及利用爬蟲與程式工具實作資料收集與前處理的流程，訓練學生自行資料收集以及過濾處理能力。
在課程中段則解釋空間大數據分析方法概論，針對初級學者，說明空間大數據分析的主要目的和方法，以及如何利用程式工具來對於空間大數據進行資料剖析與視覺化。本研究也將介紹在進行資料分析時會需要用到開放地理資料格式標準，高效能的運算資源（high-performance computing, HPC) 運算架構，空間資料基礎設施 (geospatial data cyberinfrastructure) ，地理資料探勘 (geospatial data mining)等，時空資料分析（spatio-temporal data analysis）基礎概念。
配合本課程所教授之概念，本課程將利用Python程式語言來實作空間大數據的資料收集、處理、分析、以及展示，課程後半配合大量的案例展示與討論來加深學生學習的印象與成效。
授課內容
大數據時代的來臨讓地理資料的取得變得更加容易，但也讓資料的分析處理變得更加複雜。智慧型手機以及行動網路的普及，讓研究者可以得到包含大量使用者空間行為的行動資料（Mobility Data），或是所謂的自發性地理資訊(Volunteered Geographic Information，VGI)等，未來對於空間大數據分析的需求勢必增加。因此，本課程希望以深入淺出的方式，教授空間大數據分析的相關理論與實作流程。 在空間大數據分析的過程當中，前期的資料獲取與處理佔研究時程很大的一部分，本課程在前半段將介紹空間大數據分析的基礎概念，以及利用爬蟲與程式工具實作資料收集與前處理的流程，訓練學生自行資料收集以及過濾處理能力。 在課程中段則解釋空間大數據分析方法概論，針對初級學者，說明空間大數據分析的主要目的和方法，以及如何利用程式工具來對於空間大數據進行資料剖析與視覺化。本研究也將介紹在進行資料分析時會需要用到開放地理資料格式標準，高效能的運算資源（high-performance computing, HPC) 運算架構，空間資料基礎設施 (geospatial data cyberinfrastructure) ，地理資料探勘 (geospatial data mining)等，時空資料分析（spatio-temporal data analysis）基礎概念。 配合本課程所教授之概念，本課程將利用Python程式語言來實作空間大數據的資料收集、處理、分析、以及展示，課程後半配合大量的案例展示與討論來加深學生學習的印象與成效。
授課方式
課程的進行方式可分為如下：第一部份和第二部份的課程，由老師利用投影片介紹相關理論以及資訊展現的案例，學生必須在課程的前半段培養對於資料素養（data literacy）相關領域的認識，同時針對自己有興趣的議題開始進行背景資料準備及提問。第三部份由老師在電腦教室教授相關軟體操作以及資料收集、前處理的相關操作，學生在這階段必須在家中進行練習，課堂當中僅能舉代表性案例及利用測試資料作展示，學生必須在同時開始針對分組期末報告的資料進行準備，在進入第三部分的授課時會加入學生的分組討論，授課的前半段是軟體的操作，後半段則是分組針對第四部分期末報告的主題進行討論及提問，老師則從旁進行協助。
評量方式
上課用書
（師生應遵守智慧財產權及不得非法影印）
Maquire, D., Batty, M. and Goodchild, M. (2005) GIS, Spatial Analysis, and Modeling, Esri Press.
參考書目
（師生應遵守智慧財產權及不得非法影印）
Longley, P. A. and Batty, M. (1996) Spatial Analysis: modeling in a GIS nvironment, Wiley.
Fotheringham, A.S, Brunsdon, C. and Charlton, M. (2000) Quantitative eography: Perspectives on Spatial Data Analysis, Sage Publications.
Wang, F. (2006) Quantitative Methods and Applications in GIS, CRC Press.
Data Journalism Handbook, http://datajournalismhandbook.org/1.0/en/
課程需求
要報告
要分組討論
輔導時間
- 星期一 09:00-13:00
- 星期四 12:00-13:00
- 星期五 12:00-13:00
教師聯絡資訊
Email：czy19@ulive.pccu.edu.tw
分機：25523
課程進度
| 2024/02/26 | 資料素養（data literacy） |
| 2024/03/04 | 資料新聞學（Database journalism）與地圖 |
| 2024/03/11 | 資料新聞學（Database journalism）與地圖(2)備註業界資料收集專案 |
| 2024/03/18 | 開放資料運動備註SheetHub 1hr |
| 2024/03/25 | 資料收集與整理備註Outwit Hub 1hr |
| 2024/04/01 | 放假一天備註1hr datawrapper |
| 2024/04/22 | D3.js 與leaflet.js簡介 |