檔案產生時間：2021/7/1 下午 03:21:45
本表如有異動，於4小時內自動更新

一、課程基本資料 Course Information
科目名稱 Course Title： (中文)雲端運算服務 (英文)CLOUD COMPUTING SERVICE_		開課學期 Semester：109學年度第2學期 開課班級 Class：巨資二Ａ
授課教師 Instructor：蔡芸琤 TSAIYUN-CHENG
科目代碼 Course Code：BDM21301	單全學期 Semester/Year：單			分組組別 Section：
人數限制 Class Size：70	必選修別 Required/Elective：選			學分數 Credit(s)：3
星期節次 Day/Session： 一789	前次異動時間 Time Last Edited：110年01月30日02時26分
巨量資料管理學院基本能力指標 Basic Ability Index
編號 Code 指標名稱 Basic Ability Index 本科目對應之指標 Correspondent Index 達成該項基本能力之考評方式 Methods Of Evaluating This Ability 1 商學、管理與統計基礎能力 Basic abilities of business, management and statistics     2 邏輯思考與解決問題能力 Abilities to think logically and to resolve problems ● 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》實作(含分組演練/合作等) 》資料蒐集與分析 3 資料分析與實務應用能力 Integration ability on data analysis and practical application ● 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》作業成績 》實習(含實習心得發表、機構督導評分、學校督導評分等) 》實作(含分組演練/合作等) 4 溝通與表達能力 Communication and self-expression abilities     5 資訊科技應用能力 Applied information technology ability ● 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》作業成績 》實習(含實習心得發表、機構督導評分、學校督導評分等) 》實作(含分組演練/合作等) 6 程式演算能力 Programming abilities     7 跨領域整合創新能力 Interdisciplinary innovation abilities.     8 巨量資料處理與應用能力 Abilities to analyze big data and develop its applications. ● 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》作業成績 》實習(含實習心得發表、機構督導評分、學校督導評分等) 》實作(含分組演練/合作等)
二、指定教科書及參考資料 Textbooks and Reference (請修課同學遵守智慧財產權，不得非法影印)
●指定教科書 Required Texts 無指定教科書，以 AWS 線上教材為主 ●參考書資料暨網路資源 Reference Books and Online Resources https://aws.amazon.com/tw/big-data/datalakes-and-analytics/ 以 AWS 線上教材為主
三、教學目標 Objectives
透過金融科技專題來整合大數據雲端服務，實作出可應用於金融產業的專題。跨校組隊解決金融業者所提供的實務問題。 本課程內容包括財金專業知識、文字探勘與機器學習，以及使用程式語言（如Python）來實做由金融實務界提出的專題題目。期盼學生具有整合財金與資工知識，解決包括但不限於文字探勘與機器學習的金融實務問題的能力。（本課程以方法論為主，不會實際教授程式語言，但會提供相關教材讓同學自行學習。） 大數據只是數據的一種形式。大數據與傳統數據最大的差異在於資料量，資料量遠大於傳統數據，因此以「大數據」一詞來敘述並區分兩者的不同。若以量化表示，大數據特指在一天內可生成1TB以上資料量的數據，等同於128個8G隨身碟。也因為資料量大，無法以傳統的方式儲存處理，因此衍生出大數據這一新興科學。而分析大數據的步驟其實與處理傳統數據相同，只是使用的工具有所差異。因大數據具備了以下四種特性，統稱為4V (Volume大、Variety雜、Velocity快、Veracity真)。本課程內容將針對這四種特性來介紹適合的工具，及操作模式。
Big data is just one form of data. The most significant difference between big data and traditional data is the amount of data. The amount of data is much more considerable than traditional data. Therefore, the term "big data" uses to describe and distinguish the difference between the two. If quantified, big data refers to data that can generate more than 1TB of data in one day, which is equivalent to 128 8G flash drives. Because of the large amount of data, which cannot be stored and processed traditionally, big data has emerged as an emerging science. The steps for analyzing big data are the same as for traditional data, but with different tools. Because big data has the following four characteristics, collectively referred to as 4V (Volume Big, Variety Miscellaneous, Velocity Fast, Veracity True). This course will introduce suitable tools and operation modes for these four characteristics.
四、課程內容 Course Description
●整體敘述 Overall Description 大數據分析的四個步驟：取得資料、儲存資料、運算資料、視覺化資料。針對此四步驟，本課程依序介紹AWS平台上相關的工具使用方式。 https://aws.amazon.com/tw/big-data/datalakes-and-analytics/ 1. 互動式分析 Amazon Athena 2. 大數據處理 Amazon EMR 3. 資料倉儲 Amazon Redshift 4. 即時分析 Amazon Kinesis 5. 營運分析 Amazon Elasticsearch Service 6. 儀表板和視覺化 Amazon Quicksight 7. 即時資料移動 Amazon Kinesis Data Firehose、Amazon Kinesis Video Streams、Amazon Kinesis Data Streams、Amazon Kinesis Data Analytics 8. 物件儲存 Amazon S3、AWS Lake Formation 9. 備份和存檔 AWS Lake Formation 10. 資料型錄 AWS Glue、AWS Lake Formation 11. 框架和界面 AWS Deep Learning AMIs 12. 平台服務 Amazon SageMaker
●分週敘述 Weekly Schedule 週次 Wk 日期 Date 課程內容 Content 備註 Note 1 2/22 課程進行方式說明，AWS Educate 帳號註冊教學，線上課程資源使用教學。 專題題目說明與介紹，提供題目媒合表給學生填選志願。  　 2 3/1 228連假補假，放假一次。  　 3 3/8 完成各組媒合與題目決定，過往的跨校金融科技專題案例介紹與合作流程教學。  　 4 3/15 AWS 雲端服務所需先備知識實驗課 (陳偉傑助教演練與示範)。 第一次作業說明與繳交規範。  　 5 3/22 繳交作業一 YouTube 實作連結。 提出一項 AWS Track PROPOSAL，作業二 https://aws.amazon.com/tw/training/learning-paths/?nc2=sb_lp_all  　 6 3/29 金管會胡則華副處長演講。(3/30於台大聽演講，或觀看線上錄影檔)  　 7 4/5 春假，放假一次。繳交作業二 YouTube 實作連結。專題進度追蹤與線上分組報告。  　 8 4/12 跨校組別專題指導。各組同學依序向所各題目指導老師與業者回報進度。 台大資工張智星老師 (4/13)。東吳巨資蔡芸琤老師。  　 9 4/19 跨校組別專題指導。各組同學依序向所各題目指導老師與業者回報進度。 台大財金石百達老師 (4/20)。東吳巨資蔡芸琤老師。  　 10 4/26 Launch a Linux Virtual Machine with Amazon Lightsail，作業三 https://aws.amazon.com/getting-started/hands-on/launch-a-virtual-machine/  　 11 5/3 繳交作業三 YouTube 實作連結。Create and Connect to a MySQL Database with Amazon RDS，作業四 https://aws.amazon.com/getting-started/hands-on/create-mysql-db/  　 12 5/10 繳交作業四 YouTube 實作連結 Run a Serverless "Hello, World!" with AWS Lambda，作業五 https://aws.amazon.com/getting-started/hands-on/run-serverless-code/  　 13 5/17 繳交作業五 YouTube 實作連結。Chatbot 實作教學。  　 14 5/24 跨校組別專題指導。各組同學依序向所各題目指導老師與業者回報進度。 台大資工張智星老師 (5/25)。東吳巨資蔡芸琤老師。  　 15 5/31 跨校組別專題指導。各組同學依序向所各題目指導老師與業者回報進度。 台大財金石百達老師 (6/1)。東吳巨資蔡芸琤老師。  　 16 6/7 跨校共同課程 - 專利法。(6/8於政大聽演講，或觀看線上錄影檔) 繳交 Chatbot 整合至金融科技專題的應用成果。  　 17 6/14 期末專題線上佈署確認。  　 18 6/21 期末報告。

五、考評及成績核算方式 Grading

配分項目 Items 次數 Times 配分比率 Percentage 配分標準說明 Grading Description 平時作業 6 60% 個人作業。5次AWS雲端服務實作、1次ChatBot實作。 實作報告 3 15% 跨校金融科技各組進度追蹤報告。 分組作業 1 25% 跨校金融科技實作成果 配分比率加總 100%

六、授課教師課業輔導時間和聯絡方式 Office Hours And Contact Info

●課業輔導時間 Office Hour 預約制

●聯絡方式 Contact Info 研究室地點 Office：Q209 EMAIL：pecutsai@gm.scu.edu.tw 聯絡電話 Tel：0908959162 其他 Others：

七、教學助理聯絡方式 TA’s Contact Info

教學助理姓名 Name 連絡電話 Tel EMAIL 其他 Others 陳偉傑   sefx5ever@gmail.com   蔡雨臻   07170242@gm.scu.edu.tw

八、建議先修課程 Suggested Prerequisite Course

九、課程其他要求 Other Requirements

十、學校教材上網及教師個人網址 University’s Web Portal And Teacher's Website

學校教材上網網址 University’s Teaching Material Portal： 東吳大學Moodle數位平台：http://isee.scu.edu.tw

教師個人網址 Teacher's Website：

其他 Others：

十一、計畫表公布後異動說明 Changes Made After Posting Syllabus