1142 機器學習與Python行銷數據分析(四合)
完整之內容連結與相關說明，請以教師於課堂中之講解為準；課程主題之順序與內容將視實際教學情況進行些微調整
課程對象
- 行銷系大學學生（無 Python 基礎可）
- 需要自備筆記型電腦，此課程為混成型(實體+線上學習)
課程結構
- 每週 3 小時：2 小時實體授課（觀念 + Code Demo）+ 1 小時線上自主練習。
- 核心工具：Python (Pandas, Seaborn, Scikit-learn), Google Colab.
每週 1 小時線上學習任務
- 任務：每週線上進行不同主題的練習，因此同學需要帶著筆電，通常會在第三堂課。
- 形式：每週提供一個 Colab 練習本，學生須完成指定的「關鍵程式碼填空」。
學習主題
1. 數據分析與行決策
理解數據如何從被動紀錄轉變為引領品牌前進的戰略力量
🎯 學習重點與內容簡介：數據分析與行決策基本觀念
2. 開發環境 Google Colab 介紹
建立現代化的數據科學開發環境
🎯 學習重點與內容簡介：熟悉 Colab 開發環境、Vibe coding 方法論、AI 協作技巧以及線上自主練習。
3. Python 程式設計
建立數位轉型必備的程式思維基礎
🎯 學習重點與內容簡介： Python 基礎知識、程式基本邏輯能力、數據計算與簡單分析能力。建立數位轉型必備的程式思維基礎
4. 主題：社群數據的數位化
掌握從原始報表到結構化數據的第一步轉譯工程
🎯 學習重點與內容簡介：讀取CSV 資料、了解行銷原始數據的結構、panda套件、資料預處理(Preprocessing)
5. 主題：KPI重定義與成效判讀
超越表面數據，定義真正驅動成長的核心指標
🎯 學習重點與內容簡介：基礎指標建構、建立「深度互動」權重指標、數據洞察與策略篩選
6. 主題：文字探勘與文案影響分析
透過文本解析挖掘文案背後的互動密碼
🎯 學習重點與內容簡介：非結構化資料處理。使用 Regex 提取標籤，並透過視覺化文字雲分析頻率
7. 主題：分群分析與內容定位 🌐
運用科學分群為品牌內容精準定位座標
🎯 學習重點與內容簡介：透過非監督式學習分群演算法，將自動將數百篇貼文分類為「吸粉型」、「互動型」或「一般文」
8. 主題：視覺化與內容策略洞察
將枯燥數字轉化為直觀決策的敘事圖表
🎯 學習重點與內容簡介：利用圖表說故事。比較不同貼文類型的成效差異、不同帳號的互動率趨勢、分析最佳發佈時段、不同小組成效十字定位圖
9. 主題：預測科學與爆文機率
利用機器學習模型預見流量爆發的機率
🎯 學習重點與內容簡介：建立第一個機器學習迴歸預測模型。根據「瀏覽次數」、「貼文類型」、「時間」…等特徵預測「觸及人數」。
10. 主題：PCA與內容結構洞察
簡化變數維度，純化數據中的核心洞察結構
🎯學習重點與內容簡介：理解降維的核心概念、辨識資訊重複與結構關係、從數學轉譯為行銷語言、PCA 在內容分析中的應用情境
期末報告：「IG 內容分群與策略定位優化提案」
整合數據分析與實務建議，完成最具說服力的數據驅動行銷提案
🎯 學習重點與內容簡介：將 Python數據分析結果轉化為商業簡報。