跳到主要內容區

課程規劃

培養學生具備基本數學知識及邏輯推理能力;著重機率、統計、資訊等相關領域知識的培養;強化軟體應用與統計計算能力。課程設計包含數學、統計、資訊工程領域與及跨領域學習與實作等方面:

  1. 基礎能力養成:以建立學生基礎數學、統計、程式能力為目標。 數學領域建構基礎數學知識,課程結構將以微積分、線性代數、離散數學等課程為核心;統計領域基礎統計與機率知識的培養,課程結構以統計學、基礎機率、迴歸分析等課程為核心;資訊工程領域程式撰寫能力與計算基本能力的養成,課程結構將以程式設計、資料結構、基礎資工理論等課程為核心。
  2. 進階知識培養:為加強學生對於計算方法的有效性、統計建模的可靠性與數據分析等能力。數學領域強調進階數學知識的學習,課程設計以數學分析相關課程為核心;統計領域引導學生學習理論統計與機率知識,課程內容以數理統計學、機率論為主;資訊工程領域著力於學生程式與計算素養的養成,課程結構以資料科學、機器學習、深度學習、資料探勘等課程為核心。
  3. 實作能力培養:透過實務課程操作增進學生對專業知識的了解與運用,強化數據的處理與分析能力。提供統計軟體與實務分析、生物或醫學資料分析、影像處理、人工智慧等相關知識,並參與專題製作。

 

                    數學核心課程                    

微積分(一)-3學分
微積分(二)-3學分
線性代數-3學分
初等分析-
4學分

 

                     統計核心課程                     

基礎機率-3學分
統計學-3學分
數理統計學(一)-3學分
統計軟體與實務應用-3學分


選修課 - 以下之一

數理統計學(二)-3學分
迴歸分析-3 學分
機率論-3 學分

                    電腦科學核心                         

計算機概論-3學分
程式設計(一) -3學分
程式設計(二) -3學分
資料結構-3學分
演算法-3學分
大數據分析導論-3學分


選修課

人工智慧導論-3學分
人工智慧-3學分
機器學習導論-3學分
計算機網路-3學分
資訊安全-3學分
資料科學導論-3學分
資料庫系統-3學分
永續之創意數位學習-3學分

                       職位資訊                          

在美國,從 2022 年到 2032 年,資料科學家的就業人數預計將增加 35%,遠超過於所有職業的平均水準。預計在過去十年中,每年平均約有 17,700 個資料科學家職缺。

閱讀更多🔍

                             排名                               

  • 最佳技術職缺排名第 4
  • 最佳 STEM 職缺中排名第 7
  • 100 個最佳職位中排名第 8

閱讀更多🔍

 

---------------------------------------------------------------------------------