課程資料
|
K961 空間大數據分析
|
開課學期：1142
|
開課班級：
地理系 3
|
|
授課教師：陳致元
|
選修
|
學期課
|
學分數：3.0
|
大義 0525 星期三 09:10-12:00
|
|
K961 BIG DATA AND SPATIAL ANALYSIS
|
2026 Spring
|
Department of Geography 3
|
|
Professor：CHEN, CHIH-YUAN
|
Elective
|
Semester
|
Credits:
3.0
|
Da Yi 0525 Wednesday 09:10-12:00
|
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
院核心能力
自然科學理論與工程知識之整合應用。Integrated application of scientific theories and engineering knowledge.
問題分析、實驗設計與實作驗證之能力。Ability to analyze problems, design experiments, and validate solutions through practical implementation.
邏輯性思考與科技運用之能力。Logical thinking and effective use of technology.
跨領域整合與創新研發。Cross-disciplinary integration and innovative research and development.
國際視野、團隊合作與溝通協調之能力。Global perspectives, teamwork, and effective communication skills.
具備職業倫理與社會責任之專業態度。Professional attitude with a commitment to ethics and social responsibility.
系教育目標
培育理論與實務並重的地理專業人才To cultivate geography professionals with a well-balanced foundation in both theory and practice.
訓練具卓越的科技專業競爭力人才To train individuals with outstanding professional and technological competitiveness.
培養具備國際觀及多元化教育人才To cultivate talents equipped with a global perspective and diverse educational competencies.
系核心能力
具備正確地理專業觀念與認知To possess a sound understanding and conceptual knowledge of geography.
開拓國際視野與跨領域專業技能To develop a global perspective and interdisciplinary professional skills.
問題認知及解決能力To demonstrate the ability to identify problems and formulate effective solutions.
暸解當代科學技術發展To understand developments in contemporary science and technology.
認同地理環境永續發展意識To recognize and value the principles of geographic environmental sustainability.
關懷社會環境的適切性及人與地的和諧共生To demonstrate concern for social and environmental well-being and promote the harmonious coexistence between people and the land.
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。
Upon completing this course, students will have acquired the following knowledge and skills:
1. Understanding the fundamental concepts of spatial Big Data processing, and the ability to practically implement the preprocessing and analysis operations of large datasets.
2. Proficiency in using the Python programming language for web scraping (or "web crawling") implementation to collect unstructured online resources.
3. Understanding the basic analysis methods for spatial Big Data, and the ability to convert or link different data processing libraries for integrated handling.
4. The ability to visualize the processed spatial Big Data.
課程能力
具備正確地理專業觀念與認知To possess a sound understanding and conceptual knowledge of geography. (比重 25%)
開拓國際視野與跨領域專業技能To develop a global perspective and interdisciplinary professional skills. (比重 10%)
問題認知及解決能力To demonstrate the ability to identify problems and formulate effective solutions. (比重 10%)
暸解當代科學技術發展To understand developments in contemporary science and technology. (比重 10%)
認同地理環境永續發展意識To recognize and value the principles of geographic environmental sustainability. (比重 15%)
關懷社會環境的適切性及人與地的和諧共生To demonstrate concern for social and environmental well-being and promote the harmonious coexistence between people and the land. (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。
The advent of the Big Data era has made geographical data acquisition significantly easier, but it has also led to increased complexity in data analysis and processing. The widespread adoption of smartphones and mobile internet allows researchers to obtain Mobility Data containing extensive user spatial behavior, or Volunteered Geographic Information (VGI). Consequently, the future demand for spatial Big Data analysis is certain to increase. Therefore, this course aims to teach the relevant theories and practical workflows of spatial Big Data analysis in an accessible manner.Part One: Data Acquisition and PreprocessingData acquisition and preprocessing constitute a major portion of the research timeline in spatial Big Data analysis. The first half of this course introduces fundamental concepts of spatial Big Data analysis and provides hands-on training using web scraping and programming tools to implement data collection and preprocessing workflows. This trains students in self-initiated data collection and filtering/processing capabilities.Part Two: Analysis and VisualizationThe middle section of the course provides an overview of spatial Big Data analysis methods. For beginner-level students, it explains the primary goals and methods of spatial Big Data analysis and demonstrates how to use programming tools for data profiling and visualization of spatial Big Data.This section will also introduce fundamental concepts such as open geospatial data format standards, high-performance computing (HPC) architectures, geospatial data cyberinfrastructure, geospatial data mining, and spatio-temporal data analysis.In line with the concepts taught, this course will utilize the Python programming language to practically implement the spatial Big Data workflow, including data collection, processing, analysis, and presentation. The latter half of the course features extensive case study demonstrations and discussions to enhance student learning and effectiveness.
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觀念及不得不法影印、下載及散布）
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觀念及不得不法影印、下載及散布）
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
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 |