110-2_室內定位與無人載具技術應用
教學目標
因疫情影響，本課程改線上遠距教學使用網址:
https://meet.google.com/bza-wktx-fmf?pli=1&authuser=3&fbclid=IwAR0Tgo1n1bG-3qs865jCcI_dCan48h8KbUaZJsRvydVad2fheZkJy6i0muA
無人載具為近年來應用科技領域重要的發展領域，隨著各種無人載具的控制技術與關鍵零組件的成熟，使得無人載具廣泛的應用於許多的產業領域，其中特別是室內小型的無人載具應用，更是成為未來重要的發展趨勢。 本課程將學習新興的超寬頻(UWB,Ultra WideBand)三維室內定位技術、無人地面載具（UGV,Unmanned Ground Vehicle)與載具無線控制的基本知識。課程結合基本的程式設計、無線網路、物聯網感測器與多種類無人飛行載具相關元件，除了教授基本的無人載具控制知識外，提供實做小型無人載具的課程內容，提供實測場域的雛形載具，讓學生完成基本的控制與自動化操作實驗。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-10.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Part1 基礎知識教學 1. Python 與控制器的介接 2. 微型控制板 ESP32S 與 MicroPython 的基本操作 3. 無刷馬達控制 4. Serial port 資料傳輸 5. PWM 的資料控制模式 Part2 室內定位（Indoor Positioning） 1. 超寬頻(UWB, Ultra-WideBand)定位技術介紹 2. DW1000, DWM1000 模組的介紹與測試 3. 三角定位法 4. 三維定位的介紹與測試 5. ModBus 程式設計與應用 Part3 無人地面載具（UGV） 1. Pixhawk 介紹 2. ArduRover 與輪型載具 3. 地面控制站 GCS 介紹 4. 無刷馬達驅動器介紹 5. MavLink 與 Dronkit 程式設計 Part4 專題實作 1. 實作多型態的小型自走載具 2. 室內自動跟隨的自走載具
教科書/參考書
自編講義
評分標準
平時與小考表現： 30%
期中報告： 30%
期末報告： 40%
學分數
3
授課時數(周)
3
開課班級
M11033
修課人數
13
因疫情影響，本課程改線上遠距教學使用網址:
https://meet.google.com/bza-wktx-fmf?pli=1&authuser=3&fbclid=IwAR0Tgo1n1bG-3qs865jCcI_dCan48h8KbUaZJsRvydVad2fheZkJy6i0muA
無人載具為近年來應用科技領域重要的發展領域，隨著各種無人載具的控制技術與關鍵零組件的成熟，使得無人載具廣泛的應用於許多的產業領域，其中特別是室內小型的無人載具應用，更是成為未來重要的發展趨勢。 本課程將學習新興的超寬頻(UWB,Ultra WideBand)三維室內定位技術、無人地面載具（UGV,Unmanned Ground Vehicle)與載具無線控制的基本知識。課程結合基本的程式設計、無線網路、物聯網感測器與多種類無人飛行載具相關元件，除了教授基本的無人載具控制知識外，提供實做小型無人載具的課程內容，提供實測場域的雛形載具，讓學生完成基本的控制與自動化操作實驗。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-10.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Part1 基礎知識教學 1. Python 與控制器的介接 2. 微型控制板 ESP32S 與 MicroPython 的基本操作 3. 無刷馬達控制 4. Serial port 資料傳輸 5. PWM 的資料控制模式 Part2 室內定位（Indoor Positioning） 1. 超寬頻(UWB, Ultra-WideBand)定位技術介紹 2. DW1000, DWM1000 模組的介紹與測試 3. 三角定位法 4. 三維定位的介紹與測試 5. ModBus 程式設計與應用 Part3 無人地面載具（UGV） 1. Pixhawk 介紹 2. ArduRover 與輪型載具 3. 地面控制站 GCS 介紹 4. 無刷馬達驅動器介紹 5. MavLink 與 Dronkit 程式設計 Part4 專題實作 1. 實作多型態的小型自走載具 2. 室內自動跟隨的自走載具
教科書/參考書
自編講義
評分標準
平時與小考表現： 30%
期中報告： 30%
期末報告： 40%
學分數
3
授課時數(周)
3
開課班級
M11033
修課人數
13
110-2_物聯網
教學目標
5/3 起因疫情影響，期中報告以遠距方式進行，請修課同學於週二上課時間加入:
https://meet.google.com/gdq-onqe-gfr?fbclid=IwAR0haY1ppbTnHUm4zZed-OJle1Qn65wGh2Fyj_GPFVZOn8vaNnqh-BuHA-o
物聯網(Internet of Things)為資訊應用重要的研究領域，利用網路資訊技術，讓所有能行使獨立功能物體實現互聯互通的網路應用。本課程主要設計給資訊管理學系中高年級的選修課程，以開放原始碼資源做為教學與開發工具，課程以樹莓派(Raspberry PI)和 Python 程式語言為基礎，教授並培養學生有物聯網設計的基礎能力。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-10.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Part1: Raspberry PI 介紹 1. Raspberry PI 簡介 2. Rasbain 安裝與網路設定 3. 杜邦端子與接線製作 Part2: Python基礎 1. Python 程式簡介 2. Python 應用模組安裝 3. Python GPIO 應用程式模組 4. MQTT 簡介 Part3: 應用模組 1. LED, 溫溼度計(DHT22) 2. GPS 模組與 NMEA 資料格式 3. PM2.5 模組 4. 氣壓計模組 5. 伺服馬達控制 6. 9軸姿態傳感器(MPU 9250) Part4: 整合應用開發介紹 1. 即時車輛位置監測 2. 空氣品質檢測 3. 人臉辨識應用 4. 車牌辨識應用 Part5: 期末專題製作
教科書/參考書
自編講義
評分標準
平時與小考表現： 30%
期中報告： 30%
期末報告： 40%
學分數
3
授課時數(周)
3
開課班級
A10733
修課人數
23
5/3 起因疫情影響，期中報告以遠距方式進行，請修課同學於週二上課時間加入:
https://meet.google.com/gdq-onqe-gfr?fbclid=IwAR0haY1ppbTnHUm4zZed-OJle1Qn65wGh2Fyj_GPFVZOn8vaNnqh-BuHA-o
物聯網(Internet of Things)為資訊應用重要的研究領域，利用網路資訊技術，讓所有能行使獨立功能物體實現互聯互通的網路應用。本課程主要設計給資訊管理學系中高年級的選修課程，以開放原始碼資源做為教學與開發工具，課程以樹莓派(Raspberry PI)和 Python 程式語言為基礎，教授並培養學生有物聯網設計的基礎能力。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-10.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Part1: Raspberry PI 介紹 1. Raspberry PI 簡介 2. Rasbain 安裝與網路設定 3. 杜邦端子與接線製作 Part2: Python基礎 1. Python 程式簡介 2. Python 應用模組安裝 3. Python GPIO 應用程式模組 4. MQTT 簡介 Part3: 應用模組 1. LED, 溫溼度計(DHT22) 2. GPS 模組與 NMEA 資料格式 3. PM2.5 模組 4. 氣壓計模組 5. 伺服馬達控制 6. 9軸姿態傳感器(MPU 9250) Part4: 整合應用開發介紹 1. 即時車輛位置監測 2. 空氣品質檢測 3. 人臉辨識應用 4. 車牌辨識應用 Part5: 期末專題製作
教科書/參考書
自編講義
評分標準
平時與小考表現： 30%
期中報告： 30%
期末報告： 40%
學分數
3
授課時數(周)
3
開課班級
A10733
修課人數
23
110-2_數位行銷
教學目標
透過課堂講授與討論，以及個案、專書導讀與評析，來介紹數位行銷之理論與實務應用，以提高學習興趣、激發創意，期能深刻了解數位行銷。
【5/11與5/18的課程改為線上授課meet.google.com/ckq-aiwz-vqb】
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.課程介紹
2.數位行銷概論
3.行銷的科技環境
4.數位行銷活動成功案例
5.集客式行銷
6.網路市場調查
7.商品方案剖析
8.網路廣告拍攝技巧實務
9.社群行銷
10.行銷資訊：大數據分析與顧客關係管理
11.行銷資訊：Google Analysis
教科書/參考書
建議閱讀：
行銷管理類叢書：
1.Walton, S. & Huey, J.(著)，李振昌、吳鄭重(譯)(2006)，Wal-Mart創始人：山姆‧沃爾頓自傳，智庫
2.Fishman, C.(著)，林茂昌(譯) (2006)，沃爾瑪效應，大塊文化
3.Gallo, C.(著)，閻紀宇(譯)(2010)，大家來看賈伯斯：向蘋果的表演大師學簡報，美商麥格羅‧希爾
4.Diamond, S.(著)，洪慧芳、林俊宏(譯) (2011)，華頓商學院最受歡迎的談判課：上完這堂課，世界都會聽你的，先覺
5.藤村正宏著，黃瓊仙譯(2014)，不賣東西 賣體驗，天下雜誌
6.Wood, J.(著)，鄭明華(譯) (2006) ，一個創業家的意外人生，商智
數位行銷類叢書：
1.鄭江宇、許晉雄 (2018)，成為大數據電子商務人才的第一本書，五南
2.曾瀚平、鄭江宇(2020)，Google Analytics疑難雜症大解惑：讓你恍然大悟的37個必備祕訣，五南 3.鈴木將司(著)、何蟬秀(譯)(2022)，第一次學SEO就上手，碁峰
4.鄭苑鳳(2022)，集客瘋潮！Facebook+Instagram最強雙效社群行銷術，博碩
評分標準
1.上課發言討論與表現(10%)
2.分組報告(90%)
學分數
3
授課時數(周)
3
開課班級
A10833
修課人數
13
透過課堂講授與討論，以及個案、專書導讀與評析，來介紹數位行銷之理論與實務應用，以提高學習興趣、激發創意，期能深刻了解數位行銷。
【5/11與5/18的課程改為線上授課meet.google.com/ckq-aiwz-vqb】
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.課程介紹
2.數位行銷概論
3.行銷的科技環境
4.數位行銷活動成功案例
5.集客式行銷
6.網路市場調查
7.商品方案剖析
8.網路廣告拍攝技巧實務
9.社群行銷
10.行銷資訊：大數據分析與顧客關係管理
11.行銷資訊：Google Analysis
教科書/參考書
建議閱讀：
行銷管理類叢書：
1.Walton, S. & Huey, J.(著)，李振昌、吳鄭重(譯)(2006)，Wal-Mart創始人：山姆‧沃爾頓自傳，智庫
2.Fishman, C.(著)，林茂昌(譯) (2006)，沃爾瑪效應，大塊文化
3.Gallo, C.(著)，閻紀宇(譯)(2010)，大家來看賈伯斯：向蘋果的表演大師學簡報，美商麥格羅‧希爾
4.Diamond, S.(著)，洪慧芳、林俊宏(譯) (2011)，華頓商學院最受歡迎的談判課：上完這堂課，世界都會聽你的，先覺
5.藤村正宏著，黃瓊仙譯(2014)，不賣東西 賣體驗，天下雜誌
6.Wood, J.(著)，鄭明華(譯) (2006) ，一個創業家的意外人生，商智
數位行銷類叢書：
1.鄭江宇、許晉雄 (2018)，成為大數據電子商務人才的第一本書，五南
2.曾瀚平、鄭江宇(2020)，Google Analytics疑難雜症大解惑：讓你恍然大悟的37個必備祕訣，五南 3.鈴木將司(著)、何蟬秀(譯)(2022)，第一次學SEO就上手，碁峰
4.鄭苑鳳(2022)，集客瘋潮！Facebook+Instagram最強雙效社群行銷術，博碩
評分標準
1.上課發言討論與表現(10%)
2.分組報告(90%)
學分數
3
授課時數(周)
3
開課班級
A10833
修課人數
13
110-2_深度神經網路研究
教學目標
This course focuses on how to apply deep learning theory and techniques to research areas.
We will discuss deep learning applications in state-of-the-art research topics and implement some of the basic models.
授課形式
理論講述與討論-10.00%;個案分析或作品賞析-40.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Materials intended to be covered in this course:
1. Introduction
2. Convolutional Neural Network (CNN) Discussion
3. Recurrent Neural Network (RNN) Discussion
4. Deep Reinforcement Learning Discussion
5. Deep Learning Research Applications
6. Presentation
教科書/參考書
Reference:
Deep Learning, by Ian Goodfellow et. al.
Learning From Data, by Yaser S. Abu-Mostafa et. al.
評分標準
(Tentative)
1. (Weekly) Case Presentation: 50%
2. Project Weekly Review: 50%
學分數
3
授課時數(周)
3
開課班級
A10733
修課人數
13
This course focuses on how to apply deep learning theory and techniques to research areas.
We will discuss deep learning applications in state-of-the-art research topics and implement some of the basic models.
授課形式
理論講述與討論-10.00%;個案分析或作品賞析-40.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Materials intended to be covered in this course:
1. Introduction
2. Convolutional Neural Network (CNN) Discussion
3. Recurrent Neural Network (RNN) Discussion
4. Deep Reinforcement Learning Discussion
5. Deep Learning Research Applications
6. Presentation
教科書/參考書
Reference:
Deep Learning, by Ian Goodfellow et. al.
Learning From Data, by Yaser S. Abu-Mostafa et. al.
評分標準
(Tentative)
1. (Weekly) Case Presentation: 50%
2. Project Weekly Review: 50%
學分數
3
授課時數(周)
3
開課班級
A10733
修課人數
13
110-2_深度神經網路 II
教學目標
This course is a deep dive into details of deep learning architectures with a focus on learning end-to-end models.
We will cover basic machine learning concepts and will focus on teaching how to set up the problem for deep learning applications, the learning algorithms (e.g. back-propagation), practical engineering tricks for training, and fine-tuning the networks.
Students will learn these ideas and techniques through hands-on assignments.
In DNN II, we will focus on how to train and implement deep neural networks.
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-20.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Materials intended to be covered in this course:
1. Introduction
2. Model Optimization
3. Back Propagation
4. Training a Neural Network
5. Overfitting & Regularization
6. Validation
7. Tensorflow, Keras, and Pytorch Tutorial
教科書/參考書
Reference:
Deep Learning, by Ian Goodfellow et. al.
Learning From Data, by Yaser S. Abu-Mostafa et. al.
評分標準
(Tentative)
1. Projects: 45%
2. Presentation: 40%
3. Final (Oral) Exam: 15%
學分數
2
授課時數(周)
2
開課班級
A10733
修課人數
19
This course is a deep dive into details of deep learning architectures with a focus on learning end-to-end models.
We will cover basic machine learning concepts and will focus on teaching how to set up the problem for deep learning applications, the learning algorithms (e.g. back-propagation), practical engineering tricks for training, and fine-tuning the networks.
Students will learn these ideas and techniques through hands-on assignments.
In DNN II, we will focus on how to train and implement deep neural networks.
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-20.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Materials intended to be covered in this course:
1. Introduction
2. Model Optimization
3. Back Propagation
4. Training a Neural Network
5. Overfitting & Regularization
6. Validation
7. Tensorflow, Keras, and Pytorch Tutorial
教科書/參考書
Reference:
Deep Learning, by Ian Goodfellow et. al.
Learning From Data, by Yaser S. Abu-Mostafa et. al.
評分標準
(Tentative)
1. Projects: 45%
2. Presentation: 40%
3. Final (Oral) Exam: 15%
學分數
2
授課時數(周)
2
開課班級
A10733
修課人數
19
110-2_財經新聞解讀
教學目標
對管理學院的學生而言，雖然修習過經濟學、會計學或其他財經相關科目，但仍無法有效應用課堂所學，甚至對於國內外所發生的財經新聞一知半解，更遑論能與未來的工作連結。
本課程的目的相當單純，主要就是從國內外主要媒體中選取重要的新聞報導或專題文章，從學術、政治、產業及社會觀點來進行解析，協助學生了解與掌握國內外發生的各項財經議題，以期能養成閱讀財經新聞的習慣，對未來職場工作產生助益。
因應疫情，自即日起視情況以線上授課進行，若有任何調整，隨時以社群平台通知。
線上授課網址：meet.google.com/qjq-mzvv-uuw
授課形式
理論講述與討論-0.00%;個案分析或作品賞析-50.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
討論與分析國內外各項財經議題之相關新聞報導，包含護國神山台積電、電動車平台、房地合一稅2.0、股市大熱門與ETF、中國大陸危機、CPTPP貿易政治、NFT與比特幣、元宇宙泡泡、碳中和救地球、中美強權對抗、全球動蕩、大斷鏈與重組等。
課堂要求：
1. 全班依修課人數分成3-6組。
2. 每組須於每次上課前準備至少2則與該周議題有關之新聞報導，於課堂中進行分享，包和報導說明、看法。
3. 各組需自選一個議題，準備約30分鐘的期末報告，包含以下內容：議題重要性說明、與該議題相關之新聞報導至少8篇、新聞報導分析與未來走向預測、 心得與總結。
教科書/參考書
老師自編講義。
評分標準
1. 上課參與(包含出席率、上課發言討論與表現)：50%。
2. 期末報告：50%。
學分數
3
授課時數(周)
3
開課班級
A10733
修課人數
28
對管理學院的學生而言，雖然修習過經濟學、會計學或其他財經相關科目，但仍無法有效應用課堂所學，甚至對於國內外所發生的財經新聞一知半解，更遑論能與未來的工作連結。
本課程的目的相當單純，主要就是從國內外主要媒體中選取重要的新聞報導或專題文章，從學術、政治、產業及社會觀點來進行解析，協助學生了解與掌握國內外發生的各項財經議題，以期能養成閱讀財經新聞的習慣，對未來職場工作產生助益。
因應疫情，自即日起視情況以線上授課進行，若有任何調整，隨時以社群平台通知。
線上授課網址：meet.google.com/qjq-mzvv-uuw
授課形式
理論講述與討論-0.00%;個案分析或作品賞析-50.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
討論與分析國內外各項財經議題之相關新聞報導，包含護國神山台積電、電動車平台、房地合一稅2.0、股市大熱門與ETF、中國大陸危機、CPTPP貿易政治、NFT與比特幣、元宇宙泡泡、碳中和救地球、中美強權對抗、全球動蕩、大斷鏈與重組等。
課堂要求：
1. 全班依修課人數分成3-6組。
2. 每組須於每次上課前準備至少2則與該周議題有關之新聞報導，於課堂中進行分享，包和報導說明、看法。
3. 各組需自選一個議題，準備約30分鐘的期末報告，包含以下內容：議題重要性說明、與該議題相關之新聞報導至少8篇、新聞報導分析與未來走向預測、 心得與總結。
教科書/參考書
老師自編講義。
評分標準
1. 上課參與(包含出席率、上課發言討論與表現)：50%。
2. 期末報告：50%。
學分數
3
授課時數(周)
3
開課班級
A10733
修課人數
28
110-2_管理數學
教學目標
管理數學是將數學應用在管理問題上的一門學科，將能夠協助管理者以系統觀念去分析問題、整合問題、蒐集資料，並透過數學模式以量化資料作為決策的相關數學知識。
授課形式
理論講述與討論-80.00%;個案分析或作品賞析-0.00%;專題實作與報告-10.00%;田野調查-0.00%;實驗-10.00%;其他-0.00%
課程內容與進度
1. 線性方程式 2. 線性方程組 3. 矩陣 4. 雙變數線性規劃 5. 線性規劃：簡形法 6. 財務 7. 機率 8. 馬可夫鏈與競賽理論 9. 邏輯
教科書/參考書
1. 管理數學, 第士一版, Michael Sullivan著, 趙可南譯, 滄海書局 2. Finite Mathematics & Its Applications, Tenth Edition, by Larry J. Goldstein, David I. Schneider, and Martha J. Siegel, Pearson Education International(東華書局代理)
評分標準
期中考40%, 期末考40%, 作業與平時成績20%
學分數
3
授課時數(周)
3
開課班級
M11033
修課人數
35
管理數學是將數學應用在管理問題上的一門學科，將能夠協助管理者以系統觀念去分析問題、整合問題、蒐集資料，並透過數學模式以量化資料作為決策的相關數學知識。
授課形式
理論講述與討論-80.00%;個案分析或作品賞析-0.00%;專題實作與報告-10.00%;田野調查-0.00%;實驗-10.00%;其他-0.00%
課程內容與進度
1. 線性方程式 2. 線性方程組 3. 矩陣 4. 雙變數線性規劃 5. 線性規劃：簡形法 6. 財務 7. 機率 8. 馬可夫鏈與競賽理論 9. 邏輯
教科書/參考書
1. 管理數學, 第士一版, Michael Sullivan著, 趙可南譯, 滄海書局 2. Finite Mathematics & Its Applications, Tenth Edition, by Larry J. Goldstein, David I. Schneider, and Martha J. Siegel, Pearson Education International(東華書局代理)
評分標準
期中考40%, 期末考40%, 作業與平時成績20%
學分數
3
授課時數(周)
3
開課班級
M11033
修課人數
35
110-2_企業實習Ⅰ
教學目標
線上授課網址 https://meet.google.com/pib-xvpw-epz 透過學生赴企業實習培養就業力
授課形式
理論講述與討論-0.00%;個案分析或作品賞析-0.00%;專題實作與報告-100.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
依合作企業訂定
教科書/參考書
無
評分標準
企業實習表現 100%
學分數
9
授課時數(周)
3
開課班級
M11033
修課人數
4
線上授課網址 https://meet.google.com/pib-xvpw-epz 透過學生赴企業實習培養就業力
授課形式
理論講述與討論-0.00%;個案分析或作品賞析-0.00%;專題實作與報告-100.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
依合作企業訂定
教科書/參考書
無
評分標準
企業實習表現 100%
學分數
9
授課時數(周)
3
開課班級
M11033
修課人數
4
110-2_資料探勘與知識挖掘
教學目標
本課程之教學目標在於訓練修習學生資料挖礦基本概念、資料準備、資料挖礦的方法與實證等；使學生能容易應用資料挖礦方法，進而提升大數據分析和數位決策能力，進而應用資料挖礦與大數據分析技術方法於解決生產製造的問題。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
大數據緒論
資料預處理
多變量分析
迴歸分析
決策樹分析
分群分析
智慧製造
教科書/參考書
主要參考書: 簡禎富、許嘉裕 (2019) 大數據分析與資料挖礦。前程文化。
評分標準
學習態度、課堂討論與參與、作業: 30%
期中考 35％
期末報告 35％
學分數
3
授課時數(周)
3
開課班級
A10733
修課人數
13
本課程之教學目標在於訓練修習學生資料挖礦基本概念、資料準備、資料挖礦的方法與實證等；使學生能容易應用資料挖礦方法，進而提升大數據分析和數位決策能力，進而應用資料挖礦與大數據分析技術方法於解決生產製造的問題。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
大數據緒論
資料預處理
多變量分析
迴歸分析
決策樹分析
分群分析
智慧製造
教科書/參考書
主要參考書: 簡禎富、許嘉裕 (2019) 大數據分析與資料挖礦。前程文化。
評分標準
學習態度、課堂討論與參與、作業: 30%
期中考 35％
期末報告 35％
學分數
3
授課時數(周)
3
開課班級
A10733
修課人數
13
110-2_資訊管理專題研討(四)
教學目標
主要透過相關文獻閱讀與討論，探討資訊管理相關議題與該領域之未來研究方向，並進一步進行論文評述、了解相關研究方法以及論文寫作之要領。
【5/11與5/18的課程改為線上授課meet.google.com/ckq-aiwz-vqb】
授課形式
理論講述與討論-20.00%;個案分析或作品賞析-10.00%;專題實作與報告-70.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
資訊管理相關研究議題，例如電子商務、行動商務、網路消費者行為、資訊組織與社會、虛擬社群、社會網絡、知識管理、資訊服務管理、供應鏈管理、資訊倫理、企業電子化、資訊科技導入與應用、開放資料等。
教科書/參考書
Academic papers
評分標準
1.平時成績(上課態度、課堂參與、提問、表現、出席率等) 40%
2.報告的內容與答辯60%
本課程透過以下方式達成主要相關之核心能力：
資訊專業能力：
1.透過國內外學術論文的閱讀，了解現今之資訊專業能力之發展，並加以掌握。
專業英文能力
1.報告內容須主要參考自國外學術論文，並適度以英文進行口頭陳述。
問題解決與創新能力：
1.以課堂討論評量學生決策問題解決與創新能力。
2.透過即席問答的方式來評量學生決策問題解決與創新能力。
資訊管理研究能力
1.透過國內外學術論文的閱讀，了解現今之資訊管理研究之趨勢，並加以掌握與應用在其論文研究上。
2.透過課堂討論與即席問題的方式，提升學生探索可能的資訊管理研究方向。
學分數
1
授課時數(周)
3
開課班級
M10933
修課人數
5
主要透過相關文獻閱讀與討論，探討資訊管理相關議題與該領域之未來研究方向，並進一步進行論文評述、了解相關研究方法以及論文寫作之要領。
【5/11與5/18的課程改為線上授課meet.google.com/ckq-aiwz-vqb】
授課形式
理論講述與討論-20.00%;個案分析或作品賞析-10.00%;專題實作與報告-70.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
資訊管理相關研究議題，例如電子商務、行動商務、網路消費者行為、資訊組織與社會、虛擬社群、社會網絡、知識管理、資訊服務管理、供應鏈管理、資訊倫理、企業電子化、資訊科技導入與應用、開放資料等。
教科書/參考書
Academic papers
評分標準
1.平時成績(上課態度、課堂參與、提問、表現、出席率等) 40%
2.報告的內容與答辯60%
本課程透過以下方式達成主要相關之核心能力：
資訊專業能力：
1.透過國內外學術論文的閱讀，了解現今之資訊專業能力之發展，並加以掌握。
專業英文能力
1.報告內容須主要參考自國外學術論文，並適度以英文進行口頭陳述。
問題解決與創新能力：
1.以課堂討論評量學生決策問題解決與創新能力。
2.透過即席問答的方式來評量學生決策問題解決與創新能力。
資訊管理研究能力
1.透過國內外學術論文的閱讀，了解現今之資訊管理研究之趨勢，並加以掌握與應用在其論文研究上。
2.透過課堂討論與即席問題的方式，提升學生探索可能的資訊管理研究方向。
學分數
1
授課時數(周)
3
開課班級
M10933
修課人數
5
110-2_資訊管理專題研討(二)
教學目標
主要透過相關文獻閱讀與討論，探討資訊管理相關議題與該領域之未來研究方向，並進一步進行論文評述、了解相關研究方法以及論文寫作之要領。
授課形式
理論講述與討論-20.00%;個案分析或作品賞析-10.00%;專題實作與報告-70.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
資訊管理相關研究議題，例如電子商務、行動商務、網路消費者行為、資訊組織與社會、虛擬社群、社會網絡、知識管理、資訊服務管理、供應鏈管理、資訊倫理、企業電子化、資訊科技導入與應用、開放資料等。
教科書/參考書
Academic papers
評分標準
1.平時成績(上課態度、課堂參與、提問、表現、出席率等) 40%
2.報告的內容與答辯60%
本課程透過以下方式達成主要相關之核心能力：
資訊專業能力：
1.透過國內外學術論文的閱讀，了解現今之資訊專業能力之發展，並加以掌握。
專業英文能力
1.報告內容須主要參考自國外學術論文，並適度以英文進行口頭陳述。
問題解決與創新能力：
1.以課堂討論評量學生決策問題解決與創新能力。
2.透過即席問答的方式來評量學生決策問題解決與創新能力。
資訊管理研究能力
1.透過國內外學術論文的閱讀，了解現今之資訊管理研究之趨勢，並加以掌握與應用在其論文研究上。
2.透過課堂討論與即席問題的方式，提升學生探索可能的資訊管理研究方向。
學分數
1
授課時數(周)
3
開課班級
M11033
修課人數
6
主要透過相關文獻閱讀與討論，探討資訊管理相關議題與該領域之未來研究方向，並進一步進行論文評述、了解相關研究方法以及論文寫作之要領。
授課形式
理論講述與討論-20.00%;個案分析或作品賞析-10.00%;專題實作與報告-70.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
資訊管理相關研究議題，例如電子商務、行動商務、網路消費者行為、資訊組織與社會、虛擬社群、社會網絡、知識管理、資訊服務管理、供應鏈管理、資訊倫理、企業電子化、資訊科技導入與應用、開放資料等。
教科書/參考書
Academic papers
評分標準
1.平時成績(上課態度、課堂參與、提問、表現、出席率等) 40%
2.報告的內容與答辯60%
本課程透過以下方式達成主要相關之核心能力：
資訊專業能力：
1.透過國內外學術論文的閱讀，了解現今之資訊專業能力之發展，並加以掌握。
專業英文能力
1.報告內容須主要參考自國外學術論文，並適度以英文進行口頭陳述。
問題解決與創新能力：
1.以課堂討論評量學生決策問題解決與創新能力。
2.透過即席問答的方式來評量學生決策問題解決與創新能力。
資訊管理研究能力
1.透過國內外學術論文的閱讀，了解現今之資訊管理研究之趨勢，並加以掌握與應用在其論文研究上。
2.透過課堂討論與即席問題的方式，提升學生探索可能的資訊管理研究方向。
學分數
1
授課時數(周)
3
開課班級
M11033
修課人數
6
110-2_資訊科技導論
教學目標
線上授課網址 https://meet.google.com/pib-xvpw-epz 教導學生未來進行研究時應具備之資訊科技基礎知識,以利研究進行
本課程培養學生達成以下核心能力：
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-35.00%;專題實作與報告-35.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.Deep learning
2.Neural Network
3.Natral Language Processing
4.Data Mining
5.Information Visualization
6.Social Network Analysis
7.Industry 4.0
教科書/參考書
講義
評分標準
Attendance 20%
Exercise and Presentation 60%
課堂表現 20%
學分數
3
授課時數(周)
3
開課班級
M11033
修課人數
13
線上授課網址 https://meet.google.com/pib-xvpw-epz 教導學生未來進行研究時應具備之資訊科技基礎知識,以利研究進行
本課程培養學生達成以下核心能力：
- 資訊基本能力
- 應用整合與系統開發能力
- 資訊運用的知識力與判斷力
- 職場需求為導向的專業能力 以科學方法解決問題的能力
- 資訊素養與資訊倫理
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-35.00%;專題實作與報告-35.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.Deep learning
2.Neural Network
3.Natral Language Processing
4.Data Mining
5.Information Visualization
6.Social Network Analysis
7.Industry 4.0
教科書/參考書
講義
評分標準
Attendance 20%
Exercise and Presentation 60%
課堂表現 20%
學分數
3
授課時數(周)
3
開課班級
M11033
修課人數
13
110-2_書報討論(四)
教學目標
線上授課網址 https://meet.google.com/pib-xvpw-epz 透過邀請學界業界專將演講以及學生報告培養學生了解最新資訊技術新知以及研究趨勢, 厚植研究生研究實力
授課形式
理論講述與討論-20.00%;個案分析或作品賞析-30.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
依照課程公告進行
教科書/參考書
無
評分標準
出席狀況 30% 上課態度 30% 心得報告 25% 上台報告 25%
學分數
1
授課時數(周)
2
開課班級
M10933
修課人數
13
線上授課網址 https://meet.google.com/pib-xvpw-epz 透過邀請學界業界專將演講以及學生報告培養學生了解最新資訊技術新知以及研究趨勢, 厚植研究生研究實力
授課形式
理論講述與討論-20.00%;個案分析或作品賞析-30.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
依照課程公告進行
教科書/參考書
無
評分標準
出席狀況 30% 上課態度 30% 心得報告 25% 上台報告 25%
學分數
1
授課時數(周)
2
開課班級
M10933
修課人數
13
110-2_書報討論(二)
教學目標
1. Providing diversified topics to graduate students 2. Interacting with faculty in specific areas 3. Developing research interests 4. 透過業界與學術界之專家學者演講與討論，讓學生能吸收與資訊管理相關之研究議題與新知，以及了解資管在職場之現況與未來職涯之發展規劃。 5.透過專業主題發表分享，強化學生口語表達能力以及邏輯思考能力。
授課形式
理論講述與討論-10.00%;個案分析或作品賞析-0.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他:Guest speech-40.00%
課程內容與進度
The topics will cover research in information management. Each week one guest speeaker will provide a talk regarding his/her research interests. Sometimes a guest speaker could be a manager or CEO from a corporation. The schedule including speakers and topics is announced in Information Management department website. 1. 外賓演講：週次請見資管系網 2. 個人分享：個人安排主題，依排定周次進行專業分享
教科書/參考書
1. Handout
評分標準
出席率：10% 互動率(提出問題或發表自己的看法) ：15% 個人分享：25% 心得報告：50%
學分數
1
授課時數(周)
2
開課班級
M11033
修課人數
12
1. Providing diversified topics to graduate students 2. Interacting with faculty in specific areas 3. Developing research interests 4. 透過業界與學術界之專家學者演講與討論，讓學生能吸收與資訊管理相關之研究議題與新知，以及了解資管在職場之現況與未來職涯之發展規劃。 5.透過專業主題發表分享，強化學生口語表達能力以及邏輯思考能力。
授課形式
理論講述與討論-10.00%;個案分析或作品賞析-0.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他:Guest speech-40.00%
課程內容與進度
The topics will cover research in information management. Each week one guest speeaker will provide a talk regarding his/her research interests. Sometimes a guest speaker could be a manager or CEO from a corporation. The schedule including speakers and topics is announced in Information Management department website. 1. 外賓演講：週次請見資管系網 2. 個人分享：個人安排主題，依排定周次進行專業分享
教科書/參考書
1. Handout
評分標準
出席率：10% 互動率(提出問題或發表自己的看法) ：15% 個人分享：25% 心得報告：50%
學分數
1
授課時數(周)
2
開課班級
M11033
修課人數
12
110-2_研究方法(二)
教學目標
本課程在介紹資訊管理（Information Systems）領域中常用的各種研究方法論，以及統計技術與分析。透過此不同研究設計以及對應的統計分析，以使學生能夠以嚴謹性且系統性的方法從事資訊管理領域的研究議題，並幫助學生選擇適合的研究方法以對有興趣的題目進行研究。
☆本課程培養學生達成以下核心能力：
(1)透過課程講解資料的處理與分析，以進行資訊的基本能力培養
(2)以科學的方法來教育學生在面對決策問題的解決能力
☆本課程培養學生達成以下基本素養：
(1)透過資管實證上的研究，以養成人文素養與專業學理上的兼併
(2)綜觀國內外的學術相關研究，以期學生具備當代思維與國際視野
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-10.00%;專題實作與報告-20.00%;田野調查-10.00%;實驗-10.00%;其他-0.00%
課程內容與進度
week-01 Introduction-1 week-02 Introduction-2 week-03 Examining Your Data week-04 Correlations, T-test week-05 Analysis of Variance week-06 Multivariate Analysis of Variance week-07 Multivariate Analysis of Variance week-08 Factor Analysis week-09 期中考 week-10 Multiple Regression Analysis week-11 SEM: Introduction week-12 SEM: Confirmatory Factor Analysis week-13 SEM: Testing a Structural Model week-14 方法論Paper報告 week-15 Interdependence Technique-1 week-16 Interdependence Technique-2 week-17 期末統計實作考試 week-18 期末考週
教科書/參考書
蕭文龍，統計分析入門與應用--SPSS中文版+SmartPLS 3(PLS-SEM)第二版，碁峰圖書，ISBN： 9789864766390 。 Hair, et. al. (2006) Multivariate Data Analysis (6/e). Pearson Education, Inc., Upper Saddle River, New Jersey.
評分標準
評分方式：課堂參與20%、平時作業30%、paper報告20%、期中/末考30%
學分數
3
授課時數(周)
3
開課班級
M11033
修課人數
12
本課程在介紹資訊管理（Information Systems）領域中常用的各種研究方法論，以及統計技術與分析。透過此不同研究設計以及對應的統計分析，以使學生能夠以嚴謹性且系統性的方法從事資訊管理領域的研究議題，並幫助學生選擇適合的研究方法以對有興趣的題目進行研究。
☆本課程培養學生達成以下核心能力：
(1)透過課程講解資料的處理與分析，以進行資訊的基本能力培養
(2)以科學的方法來教育學生在面對決策問題的解決能力
☆本課程培養學生達成以下基本素養：
(1)透過資管實證上的研究，以養成人文素養與專業學理上的兼併
(2)綜觀國內外的學術相關研究，以期學生具備當代思維與國際視野
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-10.00%;專題實作與報告-20.00%;田野調查-10.00%;實驗-10.00%;其他-0.00%
課程內容與進度
week-01 Introduction-1 week-02 Introduction-2 week-03 Examining Your Data week-04 Correlations, T-test week-05 Analysis of Variance week-06 Multivariate Analysis of Variance week-07 Multivariate Analysis of Variance week-08 Factor Analysis week-09 期中考 week-10 Multiple Regression Analysis week-11 SEM: Introduction week-12 SEM: Confirmatory Factor Analysis week-13 SEM: Testing a Structural Model week-14 方法論Paper報告 week-15 Interdependence Technique-1 week-16 Interdependence Technique-2 week-17 期末統計實作考試 week-18 期末考週
教科書/參考書
蕭文龍，統計分析入門與應用--SPSS中文版+SmartPLS 3(PLS-SEM)第二版，碁峰圖書，ISBN： 9789864766390 。 Hair, et. al. (2006) Multivariate Data Analysis (6/e). Pearson Education, Inc., Upper Saddle River, New Jersey.
評分標準
評分方式：課堂參與20%、平時作業30%、paper報告20%、期中/末考30%
學分數
3
授課時數(周)
3
開課班級
M11033
修課人數
12
110-2_Python程式設計
教學目標
因疫情影響課程以遠距方式進行，請修課同學於週三上課時間加入:
https://meet.google.com/huv-ymds-hap
Python程式設計這一課是為高雄大學資訊管理學系所設計的進階資訊技術課程，教學內容以簡介開放原始碼(Open Source)資源中經常被應用於多領域的 Python 程式語言為核心，並介紹其於相關網路應用領域的程式設計基礎技術為主要目標。
Python 具易學易用之特性，適合於資訊技術進階的操作，並且當前有許多重要的網路應用服務也以 Python 為程式開發工具，並且 Python 程式語言也具跨不同作業系統平台與物件導向的特性，希望能透過這門課的介紹讓資訊管理學系高年級的學生能具備更優秀的應用工具程式。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-20.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.課程介紹與說明
2.Python 簡介
3.Python 程式語言基本操作(一)
4.Python 程式語言基本操作(二)
5.切片、字串
6.正規表示式
7.物件導向
8.Python 標準函數介紹
9.期中報告
10.網路程式設計(一)
11.網路程式設計(二)
12.Web 開發模組
13.圖型應用模組(PLI)
14.影像應用模組(Opencv)
15.數位遊戲應用模組(pygame)
16.Media Pipe應用模組
17.專題報告(一)
18.專題報告(二)
教科書/參考書
Handout
評分標準
平時與小考表現： 30%
期中報告： 30%
期末報告： 40%
學分數
3
授課時數(周)
3
開課班級
A10933
修課人數
54
因疫情影響課程以遠距方式進行，請修課同學於週三上課時間加入:
https://meet.google.com/huv-ymds-hap
Python程式設計這一課是為高雄大學資訊管理學系所設計的進階資訊技術課程，教學內容以簡介開放原始碼(Open Source)資源中經常被應用於多領域的 Python 程式語言為核心，並介紹其於相關網路應用領域的程式設計基礎技術為主要目標。
Python 具易學易用之特性，適合於資訊技術進階的操作，並且當前有許多重要的網路應用服務也以 Python 為程式開發工具，並且 Python 程式語言也具跨不同作業系統平台與物件導向的特性，希望能透過這門課的介紹讓資訊管理學系高年級的學生能具備更優秀的應用工具程式。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-20.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.課程介紹與說明
2.Python 簡介
3.Python 程式語言基本操作(一)
4.Python 程式語言基本操作(二)
5.切片、字串
6.正規表示式
7.物件導向
8.Python 標準函數介紹
9.期中報告
10.網路程式設計(一)
11.網路程式設計(二)
12.Web 開發模組
13.圖型應用模組(PLI)
14.影像應用模組(Opencv)
15.數位遊戲應用模組(pygame)
16.Media Pipe應用模組
17.專題報告(一)
18.專題報告(二)
教科書/參考書
Handout
評分標準
平時與小考表現： 30%
期中報告： 30%
期末報告： 40%
學分數
3
授課時數(周)
3
開課班級
A10933
修課人數
54
110-2_資訊技術系統與實務 I
教學目標
本課程主要在講授資訊技術系統相關基本知識, 並透過案例與實際系統的介紹, 激發學生思考與創意, 使學生能夠應用所學專業知識完成與資訊技術之相關系統開發，並具備團隊合作能力。 本課程培養學生達成以下基本素養：資訊基本能力、決策問題解決能力、應用整合與系統開發能力、資訊素養與資訊倫理、人文素養與專業學理、資訊運用的知識力與判斷力、職場需求為導向的專業能力、創新思維與主動學習的能力、以科學方法解決問題的能力、當代思維與國際視野
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-10.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.課程簡介
2.資訊技術概論 I
3.資訊技術概論 II
4.資訊技術系統相關介紹
5.資訊技術系統分析案例
6.資訊技術系統專案管理
7.資訊技術系統創意發想
8.資訊技術系統規劃
9.資訊技術系統呈現與展示
教科書/參考書
無
評分標準
期末報告-60%
平時表現 (出席率、參與程度、課堂隨機測驗等)-40%
學分數
1
授課時數(周)
4
開課班級
A10833
修課人數
10
本課程主要在講授資訊技術系統相關基本知識, 並透過案例與實際系統的介紹, 激發學生思考與創意, 使學生能夠應用所學專業知識完成與資訊技術之相關系統開發，並具備團隊合作能力。 本課程培養學生達成以下基本素養：資訊基本能力、決策問題解決能力、應用整合與系統開發能力、資訊素養與資訊倫理、人文素養與專業學理、資訊運用的知識力與判斷力、職場需求為導向的專業能力、創新思維與主動學習的能力、以科學方法解決問題的能力、當代思維與國際視野
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-10.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.課程簡介
2.資訊技術概論 I
3.資訊技術概論 II
4.資訊技術系統相關介紹
5.資訊技術系統分析案例
6.資訊技術系統專案管理
7.資訊技術系統創意發想
8.資訊技術系統規劃
9.資訊技術系統呈現與展示
教科書/參考書
無
評分標準
期末報告-60%
平時表現 (出席率、參與程度、課堂隨機測驗等)-40%
學分數
1
授課時數(周)
4
開課班級
A10833
修課人數
10
110-2_人工智慧系統與實務 I
教學目標
線上授課網址 https://meet.google.com/pib-xvpw-epz 本課程主要在講授人工智慧系統相關基本知識, 並透過案例與實際系統的介紹, 激發學生思考與創意, 使學生能夠應用所學專業知識完成與人工智慧之相關系統開發，並具備團隊合作能力。
本課程培養學生達成以下基本素養：資訊基本能力、決策問題解決能力、應用整合與系統開發能力、資訊素養與資訊倫理、人文素養與專業學理、資訊運用的知識力與判斷力、職場需求為導向的專業能力、創新思維與主動學習的能力、以科學方法解決問題的能力、當代思維與國際視野。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-10.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 課程簡介
2. 人工智慧技術概論 I
3. 人工智慧技術概論 II
4. 人工智慧系統相關介紹
5. 人工智慧系統分析案例
6. 人工智慧系統專案管理
7. 人工智慧系統創意發想
8. 人工智慧系統規劃
9. 人工智慧系統呈現與展示
教科書/參考書
無。
評分標準
期末報告-50%
平時表現 (出席率、參與程度、課堂隨機測驗等)-50%
學分數
1
授課時數(周)
4
開課班級
A10833
修課人數
11
線上授課網址 https://meet.google.com/pib-xvpw-epz 本課程主要在講授人工智慧系統相關基本知識, 並透過案例與實際系統的介紹, 激發學生思考與創意, 使學生能夠應用所學專業知識完成與人工智慧之相關系統開發，並具備團隊合作能力。
本課程培養學生達成以下基本素養：資訊基本能力、決策問題解決能力、應用整合與系統開發能力、資訊素養與資訊倫理、人文素養與專業學理、資訊運用的知識力與判斷力、職場需求為導向的專業能力、創新思維與主動學習的能力、以科學方法解決問題的能力、當代思維與國際視野。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-10.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 課程簡介
2. 人工智慧技術概論 I
3. 人工智慧技術概論 II
4. 人工智慧系統相關介紹
5. 人工智慧系統分析案例
6. 人工智慧系統專案管理
7. 人工智慧系統創意發想
8. 人工智慧系統規劃
9. 人工智慧系統呈現與展示
教科書/參考書
無。
評分標準
期末報告-50%
平時表現 (出席率、參與程度、課堂隨機測驗等)-50%
學分數
1
授課時數(周)
4
開課班級
A10833
修課人數
11
110-2_社群網路系統與實務 I
教學目標
本課程主要在講授社群網路相關基本知識, 並透過案例與實際系統的介紹, 激發學生思考與創意, 使學生能夠應用所學專業知識完成與社群網絡應用之相關系統開發，並具備團隊合作能力。
本課程培養學生達成以下基本素養：資訊基本能力、決策問題解決能力、應用整合與系統開發能力、資訊素養與資訊倫理、人文素養與專業學理、資訊運用的知識力與判斷力、職場需求為導向的專業能力、創新思維與主動學習的能力、以科學方法解決問題的能力、當代思維與國際視野
【5/14與5/21的課程改為線上授課meet.google.com/ckq-aiwz-vqb】
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-10.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
由於受到疫情之影響，前三週為線上授課：meet.google.com/dfu-cvwp-age
1.課程簡介
2.社群網路概論
3.社群媒體應用與行銷
4.社會網路分析
5.社群網路相關技術介紹
6.社群相關系統分析案例
7.社群網路系統專案管理
8.社群網路系統創意發想
9.社群網路系統規劃
10.社群網路系統呈現與展示
教科書/參考書
無。
評分標準
期末報告-60%
平時表現 (出席率、參與程度、課堂隨機測驗等)-40%
學分數
1
授課時數(周)
4
開課班級
A10833
修課人數
10
本課程主要在講授社群網路相關基本知識, 並透過案例與實際系統的介紹, 激發學生思考與創意, 使學生能夠應用所學專業知識完成與社群網絡應用之相關系統開發，並具備團隊合作能力。
本課程培養學生達成以下基本素養：資訊基本能力、決策問題解決能力、應用整合與系統開發能力、資訊素養與資訊倫理、人文素養與專業學理、資訊運用的知識力與判斷力、職場需求為導向的專業能力、創新思維與主動學習的能力、以科學方法解決問題的能力、當代思維與國際視野
【5/14與5/21的課程改為線上授課meet.google.com/ckq-aiwz-vqb】
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-10.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
由於受到疫情之影響，前三週為線上授課：meet.google.com/dfu-cvwp-age
1.課程簡介
2.社群網路概論
3.社群媒體應用與行銷
4.社會網路分析
5.社群網路相關技術介紹
6.社群相關系統分析案例
7.社群網路系統專案管理
8.社群網路系統創意發想
9.社群網路系統規劃
10.社群網路系統呈現與展示
教科書/參考書
無。
評分標準
期末報告-60%
平時表現 (出席率、參與程度、課堂隨機測驗等)-40%
學分數
1
授課時數(周)
4
開課班級
A10833
修課人數
10
110-2_開放資料系統與實務 I
教學目標
線上授課網址 https://meet.google.com/pib-xvpw-epz 本課程主要在講授開放資料相關基本知識, 並透過案例與實際系統的介紹, 激發學生思考與創意, 使學生能夠應用所學專業知識完成與開放資料應用之相關系統開發，並具備團隊合作能力。 本課程培養學生達成以下基本素養：資訊基本能力、決策問題解決能力、應用整合與系統開發能力、資訊素養與資訊倫理、人文素養與專業學理、資訊運用的知識力與判斷力、職場需求為導向的專業能力、創新思維與主動學習的能力、以科學方法解決問題的能力、當代思維與國際視野
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-20.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 課程簡介 2. 開放資料基本觀念 3. 開放資料相關技術介紹 4. 開放資料應用實例探討 5. 開放資料系統分析案例 6. 開放資料系統創意發想 7. 開放資料系統專案管理 8. 開放資料系統規劃 9. 開放資料系統呈現與展示
教科書/參考書
自編教材
評分標準
學生參與 40%; 期中成果 30%; 期末成果 30%
學分數
1
授課時數(周)
4
開課班級
A10833
修課人數
12
線上授課網址 https://meet.google.com/pib-xvpw-epz 本課程主要在講授開放資料相關基本知識, 並透過案例與實際系統的介紹, 激發學生思考與創意, 使學生能夠應用所學專業知識完成與開放資料應用之相關系統開發，並具備團隊合作能力。 本課程培養學生達成以下基本素養：資訊基本能力、決策問題解決能力、應用整合與系統開發能力、資訊素養與資訊倫理、人文素養與專業學理、資訊運用的知識力與判斷力、職場需求為導向的專業能力、創新思維與主動學習的能力、以科學方法解決問題的能力、當代思維與國際視野
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-20.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 課程簡介 2. 開放資料基本觀念 3. 開放資料相關技術介紹 4. 開放資料應用實例探討 5. 開放資料系統分析案例 6. 開放資料系統創意發想 7. 開放資料系統專案管理 8. 開放資料系統規劃 9. 開放資料系統呈現與展示
教科書/參考書
自編教材
評分標準
學生參與 40%; 期中成果 30%; 期末成果 30%
學分數
1
授課時數(周)
4
開課班級
A10833
修課人數
12