114-2_機械學習與化學
應用化學系
教學目標
The purpose of this class is to introduce method, algorithm, implementation of machine learning and its application in chemoinformatics to Chemistry majored students. We will apply python package such as scikit-learn to apply basic machine learning methods. We also will learn how to utilize the Large Language Model (LLM) such as ChatGPT, Gemini, etc. and discuss their applicability in Chemistry.
Google Classroom 課程代碼 jy4xat2i
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-20.00%;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
週次 教學主題 教學活動 一 2/24 課程介紹 課程介紹 Introduction to Machine Learning, Python Machine Learning Chapter1 by Wei-Meng, Lee, Wiley, 2019, Indianapolis, IN, 學生分組(共八組)
二 3/2 複習Python 討論文獻 “Machine learning methods in chemoinformatics” WIREs Comput Mol Sci 2014. “Machine learning in chemoinformatics and drug discovery” Drug Discovery Today, 2018, 23, 8.。 說明如何使用 Google Colab環境。複習Python程式語言。複習Numpy套件。上機實作。分組討論。 Data Science from Scratch by Joel Grus, O’Reilly, Chapter 2-3 Python Machine Learning Chapter 2
三 3/10 Data Analysis and Visualization Data Analysis。Statistics。Probabilities。說明如何使用Python相關套件: Pandas, Seaborn, Matplotlib, Plotly Data Science from Scratch by Joel Grus, O’Reilly, Chapter 5-6 Python Machine Learning Chapter 3,4 Google Colab Lab 1
四 3/17 Scikit-Learn Getting Started with Scikit-Learn for Machione Learning Python Machine Learning Chapter 5 說明如何使用Python相關套件: Scikit-Learn Machine Learning from Scratch by AI Sciences
五 3/24 監督式機器學習: 迴歸 Steps to solving Machine Learning Problems。Simple Linear Regression。Multiple Linear Regression。Logistic Regression。 Data Analysis from Scratch with Python by Peters Morgen, AI Sciences, Chapter 9-10. Python Machine Learning Chapter 6 Google Colab Lab 2
六 3/31 監督式機器學習: 分類 Classification, Logistic Regression。K-Nearest Neighbors。Decision Tree Classification。Random Forest Classification。 Reference: Machine Learning from Scratch by AI Sciences。Data Analysis from Scratch with Python by Peters Morgen, AI Sciences, Chapter 11 Python Machine Learning Chapter 7 Google Colab Lab 3 Final Project Topic Selection: Air Minotor Box, Image Recognition
七 4/7 監督式機器學習: SVM Clustering。Support Vector Machines Python Machine Learning Chapter 8 Final Project Topic Selection: Air Minotor Box, Image Recognition 八 4/14 監督式機器學習: kNN Clustering。K-Means Cluster Python Machine Learning Chapter 9 Google Colab Lab 4 Final Project Discussion
九 4/21 非監督式機器學習: 聚類與降維 Clustering。K-Means Clustering。Principal Component Analysis。Singular Value Decomposition。t-SNE。 Statistics for Machine Learning by Pratap Dangeti, Packt, Chapter 8。 Python Machine Learning Chapter 10 Final Project Discussion
十 4/28 文獻報告 Each Student Present a paper about Machine Learning and Chemistry for 15 minutes
十一 5/5 文獻報告 Each Student Present a paper about Machine Learning and Chemistry for 15 minutes
十二 5/12 感知器與神經網路 Perceptron。Neural Network。Back Propagation。Learning Algorithms: SGD，Momentum，AdaGrad。Adam。 深度學習入門Deep Learning from Scratch by 齊藤康毅。Deep Learning from Scratch by Seth Weidman。 介紹第二階段化學資訊學與人工智慧物聯網(Artificial Intelligence of Things) 專案 Google Colab Lab 5
十三 5/19 分子資料庫介紹 討論利用構效模型預測分子溶解率。上機實作: 利用LLM，分析Esol資料庫並撰寫簡單機器學習迴歸程式產生構效模型。分組討論溶解率構效關係模型。 介紹MoleculeNet ( https://moleculenet.org/ ) ，MoleculeNet: A Benchmark for Molecular Machine Learning，Wu, Z.; Ramsundar, B.; Feinberg, E.N.; Gomes, J.; Geniesse, C.; Pappu, A.S.; Leswing, K.; Pande, V. arXiv: 1703.00564, 2017.。 討論 “Esol: Estimating Aqueous Solubility Directly from Molecular Structure” J. Chem. Inf. Comput. Sci. 2004, 44, 3, 1000-1005. Google Colab Lab 6 Final Project discussion
十四 5/26 分子資料庫介紹 討論 “TasteDB: A curated database of molecular tastants” Food Chemistry: Molecular Science, 2022,4,199989. 並討論分類甜或苦味分子。上機實作與分組討論: 利用LLM，分析TasteDB資料庫並撰寫簡單機器學習分類程式討論生成式AI使用經驗。 Final Project Discussion
十五 6/2 1D分子表示方式 提示工程 利用LLM學習1D分子結構表示法(如:SMILES, SELFIES)。提示工程介紹，Prompt Engineering Guide ( https://github.com/dair-ai/Prompt-Engineering-Guide/ )。上機實作與分組討論: 利用LLM與提示工程學習1D分子結構表示法與RDKIT Final Project Discussion
十六 6/9 Chemical Graphs，提示工程及應用 討論如何利用提示工程技術與化學資訊學設計分子。介紹並討論文獻 ”Exploring Bitter and Sweet: The application of large language models in molecular taste prediction” J. Chem. Inf. Model. 2024, 64, 4102-4111.。上機實作與分組討論: 利用LLM與提示工程分類甜味與苦味分子，並作分子設計
十七 6/16 成果發表 每組將以英文口頭報告與數位海報(Digital Poster)方式與實機演練呈現其最後專題實作成果。
十八 6/23 期末考週 課程評鑑。
教科書/參考書
1. 我妻幸長, 吳嘉芳譯, 決心打底 Python 深度學習基礎養成 (旗標)
2. Machine Learning with Python and Scikit-Learn – Full Course (
3. Gasteiger, J.; Engel, T. Chemoinformatics: A Textbook, Wiley, 2003
評分標準
Grading:
平時成績(出席、小考、作業) 20%
Google Colab Notebook Labs 30%
期末專案報告 25%
Paper Presentation 25%
學分數
3
授課時數(周)
3
開課班級
A11342
修課人數
45
The purpose of this class is to introduce method, algorithm, implementation of machine learning and its application in chemoinformatics to Chemistry majored students. We will apply python package such as scikit-learn to apply basic machine learning methods. We also will learn how to utilize the Large Language Model (LLM) such as ChatGPT, Gemini, etc. and discuss their applicability in Chemistry.
Google Classroom 課程代碼 jy4xat2i
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-20.00%;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
週次 教學主題 教學活動 一 2/24 課程介紹 課程介紹 Introduction to Machine Learning, Python Machine Learning Chapter1 by Wei-Meng, Lee, Wiley, 2019, Indianapolis, IN, 學生分組(共八組)
二 3/2 複習Python 討論文獻 “Machine learning methods in chemoinformatics” WIREs Comput Mol Sci 2014. “Machine learning in chemoinformatics and drug discovery” Drug Discovery Today, 2018, 23, 8.。 說明如何使用 Google Colab環境。複習Python程式語言。複習Numpy套件。上機實作。分組討論。 Data Science from Scratch by Joel Grus, O’Reilly, Chapter 2-3 Python Machine Learning Chapter 2
三 3/10 Data Analysis and Visualization Data Analysis。Statistics。Probabilities。說明如何使用Python相關套件: Pandas, Seaborn, Matplotlib, Plotly Data Science from Scratch by Joel Grus, O’Reilly, Chapter 5-6 Python Machine Learning Chapter 3,4 Google Colab Lab 1
四 3/17 Scikit-Learn Getting Started with Scikit-Learn for Machione Learning Python Machine Learning Chapter 5 說明如何使用Python相關套件: Scikit-Learn Machine Learning from Scratch by AI Sciences
五 3/24 監督式機器學習: 迴歸 Steps to solving Machine Learning Problems。Simple Linear Regression。Multiple Linear Regression。Logistic Regression。 Data Analysis from Scratch with Python by Peters Morgen, AI Sciences, Chapter 9-10. Python Machine Learning Chapter 6 Google Colab Lab 2
六 3/31 監督式機器學習: 分類 Classification, Logistic Regression。K-Nearest Neighbors。Decision Tree Classification。Random Forest Classification。 Reference: Machine Learning from Scratch by AI Sciences。Data Analysis from Scratch with Python by Peters Morgen, AI Sciences, Chapter 11 Python Machine Learning Chapter 7 Google Colab Lab 3 Final Project Topic Selection: Air Minotor Box, Image Recognition
七 4/7 監督式機器學習: SVM Clustering。Support Vector Machines Python Machine Learning Chapter 8 Final Project Topic Selection: Air Minotor Box, Image Recognition 八 4/14 監督式機器學習: kNN Clustering。K-Means Cluster Python Machine Learning Chapter 9 Google Colab Lab 4 Final Project Discussion
九 4/21 非監督式機器學習: 聚類與降維 Clustering。K-Means Clustering。Principal Component Analysis。Singular Value Decomposition。t-SNE。 Statistics for Machine Learning by Pratap Dangeti, Packt, Chapter 8。 Python Machine Learning Chapter 10 Final Project Discussion
十 4/28 文獻報告 Each Student Present a paper about Machine Learning and Chemistry for 15 minutes
十一 5/5 文獻報告 Each Student Present a paper about Machine Learning and Chemistry for 15 minutes
十二 5/12 感知器與神經網路 Perceptron。Neural Network。Back Propagation。Learning Algorithms: SGD，Momentum，AdaGrad。Adam。 深度學習入門Deep Learning from Scratch by 齊藤康毅。Deep Learning from Scratch by Seth Weidman。 介紹第二階段化學資訊學與人工智慧物聯網(Artificial Intelligence of Things) 專案 Google Colab Lab 5
十三 5/19 分子資料庫介紹 討論利用構效模型預測分子溶解率。上機實作: 利用LLM，分析Esol資料庫並撰寫簡單機器學習迴歸程式產生構效模型。分組討論溶解率構效關係模型。 介紹MoleculeNet ( https://moleculenet.org/ ) ，MoleculeNet: A Benchmark for Molecular Machine Learning，Wu, Z.; Ramsundar, B.; Feinberg, E.N.; Gomes, J.; Geniesse, C.; Pappu, A.S.; Leswing, K.; Pande, V. arXiv: 1703.00564, 2017.。 討論 “Esol: Estimating Aqueous Solubility Directly from Molecular Structure” J. Chem. Inf. Comput. Sci. 2004, 44, 3, 1000-1005. Google Colab Lab 6 Final Project discussion
十四 5/26 分子資料庫介紹 討論 “TasteDB: A curated database of molecular tastants” Food Chemistry: Molecular Science, 2022,4,199989. 並討論分類甜或苦味分子。上機實作與分組討論: 利用LLM，分析TasteDB資料庫並撰寫簡單機器學習分類程式討論生成式AI使用經驗。 Final Project Discussion
十五 6/2 1D分子表示方式 提示工程 利用LLM學習1D分子結構表示法(如:SMILES, SELFIES)。提示工程介紹，Prompt Engineering Guide ( https://github.com/dair-ai/Prompt-Engineering-Guide/ )。上機實作與分組討論: 利用LLM與提示工程學習1D分子結構表示法與RDKIT Final Project Discussion
十六 6/9 Chemical Graphs，提示工程及應用 討論如何利用提示工程技術與化學資訊學設計分子。介紹並討論文獻 ”Exploring Bitter and Sweet: The application of large language models in molecular taste prediction” J. Chem. Inf. Model. 2024, 64, 4102-4111.。上機實作與分組討論: 利用LLM與提示工程分類甜味與苦味分子，並作分子設計
十七 6/16 成果發表 每組將以英文口頭報告與數位海報(Digital Poster)方式與實機演練呈現其最後專題實作成果。
十八 6/23 期末考週 課程評鑑。
教科書/參考書
1. 我妻幸長, 吳嘉芳譯, 決心打底 Python 深度學習基礎養成 (旗標)
2. Machine Learning with Python and Scikit-Learn – Full Course (
)
3. Gasteiger, J.; Engel, T. Chemoinformatics: A Textbook, Wiley, 2003
評分標準
Grading:
平時成績(出席、小考、作業) 20%
Google Colab Notebook Labs 30%
期末專案報告 25%
Paper Presentation 25%
學分數
3
授課時數(周)
3
開課班級
A11342
修課人數
45
114-2_有機合成反應的回顧與討論
應用化學系
教學目標
學生學習了大二/大三的基礎有機化學課程之後，本課程將過去被開發的有機合成反應作了歸納與整理，並講解合成反應的反應機構與特點，讓學生對於有機化學合成有更深入的了解，有助於學生未來從事有機化學合成相關的研究工作，也有助於未來研究所考試中，有機化學科目的準備。
授課形式
理論講述與討論-90.00%;個案分析或作品賞析-10.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
週次 日期 Topic 1 Feb. 23 課程簡介 / Sec. I, Reviews of organic reactions 2 Mar. 02 3 Mar. 09 4 Mar. 16 5 Mar. 23 6 Mar. 30 Sec. II, Organometallics 7 Apr. 06 清明節補假 8 Apr. 13 9 Apr. 20 Sec. III, Oxidation reactions 10 Apr. 27 1st Middle Exam, Sec. I~III, 9:00AM-12:00PM 11 May 04 Sec. IV, Reduction reactions 12 May 11 13 May 18 Sec. V, Rearrangement reactions 14 May 25 15 Jun. 01 16 Jun. 08 Sec. VI, Macrocyclic synthesis, coupling reactions and multi-component condensations 17 Jun. 15 18 Jun. 22 Final Exam, Sec. IV~VI, 9:00AM~12:00PM
教科書/參考書
自訂
評分標準
1. 期中考試(45%)與期末考試成績(45%)；平時表現/作業(10%)。 2. 上課期間，能回答出老師對於上課內容的提問，每次均會加分。
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
18
學生學習了大二/大三的基礎有機化學課程之後，本課程將過去被開發的有機合成反應作了歸納與整理，並講解合成反應的反應機構與特點，讓學生對於有機化學合成有更深入的了解，有助於學生未來從事有機化學合成相關的研究工作，也有助於未來研究所考試中，有機化學科目的準備。
授課形式
理論講述與討論-90.00%;個案分析或作品賞析-10.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
週次 日期 Topic 1 Feb. 23 課程簡介 / Sec. I, Reviews of organic reactions 2 Mar. 02 3 Mar. 09 4 Mar. 16 5 Mar. 23 6 Mar. 30 Sec. II, Organometallics 7 Apr. 06 清明節補假 8 Apr. 13 9 Apr. 20 Sec. III, Oxidation reactions 10 Apr. 27 1st Middle Exam, Sec. I~III, 9:00AM-12:00PM 11 May 04 Sec. IV, Reduction reactions 12 May 11 13 May 18 Sec. V, Rearrangement reactions 14 May 25 15 Jun. 01 16 Jun. 08 Sec. VI, Macrocyclic synthesis, coupling reactions and multi-component condensations 17 Jun. 15 18 Jun. 22 Final Exam, Sec. IV~VI, 9:00AM~12:00PM
教科書/參考書
自訂
評分標準
1. 期中考試(45%)與期末考試成績(45%)；平時表現/作業(10%)。 2. 上課期間，能回答出老師對於上課內容的提問，每次均會加分。
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
18
114-2_食品暨藥物檢驗
應用化學系
教學目標
介紹食品暨藥物分析概念和技巧，培育食品暨藥物檢驗人才。藉由上課的答問，訓練學生獨立思考和溝通的能力。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-0.00%;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.課程內容與進度介紹 2.食品與藥品標示食品與藥品安全 3.食品與藥品安全 4.製藥工業 5.主觀判斷與儀器檢驗 6.檢驗品質管制 7.簡易分析檢驗方法 (水分、灰分、蛋白質、比色法、TLC、滴定) 8.光譜法 (UV/Vis、IR、fluorescence、NMR、MS、AAS、AES) 9.層析法 (GC、HPLC、CE) 10.毛細管電泳法 11.熱分析法 (DTA、TGA、DSC) 課程進度及內容可能會因上課實際狀況而有所調整。
教科書/參考書
PowerPoint講義和網路多媒體教材
評分標準
平時考加上作業總共6~8次 考試範圍: 上課PPT和作業資料 作業以PDF或WORD格式上傳，檔案名稱一律書寫為”學號姓名_化學與生活_作業X”， 例如: A1104270李文佑_化學與生活_作業一 每次平時考或作業滿分不一定相同，學期成績計算方式為: [(各次考試作業得分總和)/(各次考試作業滿分總和)]*100 學期原始成績57分以上，視為達及格標準。
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
42
介紹食品暨藥物分析概念和技巧，培育食品暨藥物檢驗人才。藉由上課的答問，訓練學生獨立思考和溝通的能力。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-0.00%;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.課程內容與進度介紹 2.食品與藥品標示食品與藥品安全 3.食品與藥品安全 4.製藥工業 5.主觀判斷與儀器檢驗 6.檢驗品質管制 7.簡易分析檢驗方法 (水分、灰分、蛋白質、比色法、TLC、滴定) 8.光譜法 (UV/Vis、IR、fluorescence、NMR、MS、AAS、AES) 9.層析法 (GC、HPLC、CE) 10.毛細管電泳法 11.熱分析法 (DTA、TGA、DSC) 課程進度及內容可能會因上課實際狀況而有所調整。
教科書/參考書
PowerPoint講義和網路多媒體教材
評分標準
平時考加上作業總共6~8次 考試範圍: 上課PPT和作業資料 作業以PDF或WORD格式上傳，檔案名稱一律書寫為”學號姓名_化學與生活_作業X”， 例如: A1104270李文佑_化學與生活_作業一 每次平時考或作業滿分不一定相同，學期成績計算方式為: [(各次考試作業得分總和)/(各次考試作業滿分總和)]*100 學期原始成績57分以上，視為達及格標準。
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
42
114-2_分子模擬
應用化學系
教學目標
Goal: The goal of this class is to introduce both the fundamental algorithm and some application software used in modeling molecules and simulate their dynamics. Particularly, we are focusing on how to model the bio-molecules and the meso scaled particles and apply the simulation software programs to investigate the insight of these systems. Students will need to hand in eight laboratory works and give a final presentation (plus a formal written report) based on a research paper in Molecular Modeling at the end of the semester for the whole semester work.
授課形式
理論講述與討論-50.00%;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-0.00%
課程內容與進度
週 Topic 1 What is Molecular Modeling and Simulation?、Introduction to Python and Google Colab
學生能力前測，Lab1: Intro to Python
2 Introduction to Python and Numpy, Matplotlib, Pandas
3 Introduction to Python and Numpy, Matplotlib, Pandas
Lab2: Python Math
4 Molecular Structure, Force Fields, Structure of Bio-molecule
Lab3: Using Gromacs-Preparation
5 Geometry Optimization
Lab4: Using Gromacs-Energy Minimization
6 Introduction to Molecular Dynamics
7 Introduction to Molecular Dynamics
Lab5: Using Open MM-MD Simulation
8 Molecular Dynamics Packages (i.e. Gromacs)
Lab6: Using Gromacs-MD Analysis
9 Simulating Condensed Phase、定義問題、ChatGPT應用介紹
10 Thermochemistry、定義問題、ChatGPT利用
11 Case Study: Meso Particles Dynamics、定義問題、探究與自主學習 (依學生進度)
12 Case Study: Drug Binding and Virtual Screening、定義問題、探究與自主學習 (依學生進度)
13 Case Study: Monte Carlo Method、定義問題、探究與自主學習、規劃解決方案 (依學生進度)
14 Case Study: Materials Simulation、定義問題、探究與自主學習、規劃解決方案 (依學生進度)
15 探究與自主學習、規畫解決方案 (依學生進度)
16 探究與自主學習、規劃解決方案 (依學生進度)
17 成果發表會
18 課程評值，能力後測
教科書/參考書
1. “Computer Simulation of Liquids” by M.P. Allen and D. J. Tildesley, Oxford, ISBN 0-19-855645-4 ＜br> 2. “Molecular Modeling and Simulation” by Tamar Schlick, Springer, ISBN 0-387-95404-X
3. “Understanding Molecular Simulation” by Daan Frenkel and Berend Smit, Academic Press, ISBN 0-12-267351-4
4. “Computational Chemistry Using the PC” by Donald W. Rogers, Wiley-Interschence, ISBN 0-471-42800-0
5. “Excel for Chemists” by E. Joseph Billo, Wiley-Interscience, ISBN 0-471-39462-9
6. “The Art of Molecular Dynamics Simulation” by D. C. Rapaport, Cambridge, ISBN 0-521-82568-7
評分標準
Lab Works 60 % (6 Google colab notebooks)
Presentation 30 % (including Oral Presentation, Python Notebook)
Class Participation 10 % (出席與上課回答問題)
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
30
Goal: The goal of this class is to introduce both the fundamental algorithm and some application software used in modeling molecules and simulate their dynamics. Particularly, we are focusing on how to model the bio-molecules and the meso scaled particles and apply the simulation software programs to investigate the insight of these systems. Students will need to hand in eight laboratory works and give a final presentation (plus a formal written report) based on a research paper in Molecular Modeling at the end of the semester for the whole semester work.
授課形式
理論講述與討論-50.00%;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-0.00%
課程內容與進度
週 Topic 1 What is Molecular Modeling and Simulation?、Introduction to Python and Google Colab
學生能力前測，Lab1: Intro to Python
2 Introduction to Python and Numpy, Matplotlib, Pandas
3 Introduction to Python and Numpy, Matplotlib, Pandas
Lab2: Python Math
4 Molecular Structure, Force Fields, Structure of Bio-molecule
Lab3: Using Gromacs-Preparation
5 Geometry Optimization
Lab4: Using Gromacs-Energy Minimization
6 Introduction to Molecular Dynamics
7 Introduction to Molecular Dynamics
Lab5: Using Open MM-MD Simulation
8 Molecular Dynamics Packages (i.e. Gromacs)
Lab6: Using Gromacs-MD Analysis
9 Simulating Condensed Phase、定義問題、ChatGPT應用介紹
10 Thermochemistry、定義問題、ChatGPT利用
11 Case Study: Meso Particles Dynamics、定義問題、探究與自主學習 (依學生進度)
12 Case Study: Drug Binding and Virtual Screening、定義問題、探究與自主學習 (依學生進度)
13 Case Study: Monte Carlo Method、定義問題、探究與自主學習、規劃解決方案 (依學生進度)
14 Case Study: Materials Simulation、定義問題、探究與自主學習、規劃解決方案 (依學生進度)
15 探究與自主學習、規畫解決方案 (依學生進度)
16 探究與自主學習、規劃解決方案 (依學生進度)
17 成果發表會
18 課程評值，能力後測
教科書/參考書
1. “Computer Simulation of Liquids” by M.P. Allen and D. J. Tildesley, Oxford, ISBN 0-19-855645-4 ＜br> 2. “Molecular Modeling and Simulation” by Tamar Schlick, Springer, ISBN 0-387-95404-X
3. “Understanding Molecular Simulation” by Daan Frenkel and Berend Smit, Academic Press, ISBN 0-12-267351-4
4. “Computational Chemistry Using the PC” by Donald W. Rogers, Wiley-Interschence, ISBN 0-471-42800-0
5. “Excel for Chemists” by E. Joseph Billo, Wiley-Interscience, ISBN 0-471-39462-9
6. “The Art of Molecular Dynamics Simulation” by D. C. Rapaport, Cambridge, ISBN 0-521-82568-7
評分標準
Lab Works 60 % (6 Google colab notebooks)
Presentation 30 % (including Oral Presentation, Python Notebook)
Class Participation 10 % (出席與上課回答問題)
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
30
114-2_層析實作與應用
應用化學系
教學目標
本課程旨在教導藉由實際動手操作進行分離方法之實作與應用，培養未來從事工作時的分離方法之能力。
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-20.00%;田野調查-0.00%;實驗-70.00%;其他-0.00%
課程內容與進度
第一週:課程內容介紹;第二週~第四週:儀器操作能力驗證;第五週:儀器故障排除;第六週起每組以GC進行分離方法的確效，方法確效內容包含儀器最佳化條件尋找、linearity、accuracy (recovery)、precision (interday and intraday reproducibility)等;最後進行實際樣品分析。各組定期繳交書面進度報告，期末繳交總結書面報告。
教科書/參考書
無
評分標準
書面報告90%、及平時表現10%。
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
20
本課程旨在教導藉由實際動手操作進行分離方法之實作與應用，培養未來從事工作時的分離方法之能力。
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-20.00%;田野調查-0.00%;實驗-70.00%;其他-0.00%
課程內容與進度
第一週:課程內容介紹;第二週~第四週:儀器操作能力驗證;第五週:儀器故障排除;第六週起每組以GC進行分離方法的確效，方法確效內容包含儀器最佳化條件尋找、linearity、accuracy (recovery)、precision (interday and intraday reproducibility)等;最後進行實際樣品分析。各組定期繳交書面進度報告，期末繳交總結書面報告。
教科書/參考書
無
評分標準
書面報告90%、及平時表現10%。
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
20
114-2_薄膜製程
應用化學系
教學目標
本課程旨在教導學生基本與最新之半導體製備薄膜方法與技術，提供學生對半導體薄膜製備原理有基礎知識的了解，藉以建立學生進入半導體科技領域之基本能力。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Plasma Basics 2. Physical Vapor Deposition 3. Chemical Vapor Deposition 4. Chemical Mechanical Polish 5. Process Integration
教科書/參考書
“半導體製程技術導論”(全華2014)，”Introduction to Semiconductor Manufacturing Technology” Hong Xiao著。
評分標準
期中考45%、期末考45%、及平時表現10%。
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
49
本課程旨在教導學生基本與最新之半導體製備薄膜方法與技術，提供學生對半導體薄膜製備原理有基礎知識的了解，藉以建立學生進入半導體科技領域之基本能力。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Plasma Basics 2. Physical Vapor Deposition 3. Chemical Vapor Deposition 4. Chemical Mechanical Polish 5. Process Integration
教科書/參考書
“半導體製程技術導論”(全華2014)，”Introduction to Semiconductor Manufacturing Technology” Hong Xiao著。
評分標準
期中考45%、期末考45%、及平時表現10%。
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
49
114-2_化學研究(二)
應用化學系
教學目標
瞭解研究理論及實做
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-30.00%;田野調查-0.00%;實驗-70.00%;其他-0.00%
課程內容與進度
與指導教授討論直接進行學術研討
教科書/參考書
教科書/參考書 文獻、專利、技術報告、會議論文
評分標準
指導教授依實驗精神和成果進行評分
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
16
瞭解研究理論及實做
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-30.00%;田野調查-0.00%;實驗-70.00%;其他-0.00%
課程內容與進度
與指導教授討論直接進行學術研討
教科書/參考書
教科書/參考書 文獻、專利、技術報告、會議論文
評分標準
指導教授依實驗精神和成果進行評分
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
16
114-2_無機光譜
應用化學系
教學目標
This course is designed to take the student to a point of confidence with dealing inorganic complexes, especially containing transition metals. The purpose of the course is to help the students get ready for post-graduate education or employment in the physical sciences. The UV/vis, IR, NMR, EPR,and magnetism techniques will be discussed. After learning these techniques, the students could use them to study the physical properties of inorganic complexes for application in material science.
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-20.00%;專題實作與報告-10.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. NMR-elementary aspects 2. epr 3. magnetism 4. review group theory 5. review electronic absorption spectroscopy and vibration spectroscopy
教科書/參考書
Text: Drago, Russell S., Physical Methods in Chemistry, 2nd Edition reference: Cotton, F.A., Chemical Applications to Group Theory
評分標準
Based on midterm exam(s), a final exam, homework, and quizzes.
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
23
This course is designed to take the student to a point of confidence with dealing inorganic complexes, especially containing transition metals. The purpose of the course is to help the students get ready for post-graduate education or employment in the physical sciences. The UV/vis, IR, NMR, EPR,and magnetism techniques will be discussed. After learning these techniques, the students could use them to study the physical properties of inorganic complexes for application in material science.
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-20.00%;專題實作與報告-10.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. NMR-elementary aspects 2. epr 3. magnetism 4. review group theory 5. review electronic absorption spectroscopy and vibration spectroscopy
教科書/參考書
Text: Drago, Russell S., Physical Methods in Chemistry, 2nd Edition reference: Cotton, F.A., Chemical Applications to Group Theory
評分標準
Based on midterm exam(s), a final exam, homework, and quizzes.
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
23
114-2_化學特性分析實驗
應用化學系
教學目標
提升學生研究的能力。
對特定之化學領域相關的題目進行文獻搜尋、實驗設計及操作。
授課形式
理論講述與討論-20.00%;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-40.00%;其他-0.00%
課程內容與進度
與研究相關的論文、書籍或是上課講義等
教科書/參考書
教科書/參考書 文獻、專利、技術報告、會議論文
評分標準
指導教授評分：100 %
學分數
1
授課時數(周)
3
開課班級
M11342
修課人數
1
提升學生研究的能力。
對特定之化學領域相關的題目進行文獻搜尋、實驗設計及操作。
授課形式
理論講述與討論-20.00%;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-40.00%;其他-0.00%
課程內容與進度
與研究相關的論文、書籍或是上課講義等
教科書/參考書
教科書/參考書 文獻、專利、技術報告、會議論文
評分標準
指導教授評分：100 %
學分數
1
授課時數(周)
3
開課班級
M11342
修課人數
1
114-2_應用光化學
應用化學系
教學目標
此為上學期"光化學導論"之進階課程, 授課內容主要為以分子光化學為基礎所衍生的應用性研究介紹。其包含分子螢光感測器, 量子點,光催化, 超分子光化學, 太陽能電池及人造光合作用等。希望學生能從基礎的分子光物理化學原理出發到目前熱門的光化學研究課題可以有深入的了解。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-20.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-10.00%;其他-0.00%
課程內容與進度
1. Photophysics of exciplex and excimer 2. Dual emission and excited state proton transfer 3. Photochemistry of coordination compounds 4. Photophysics of chromophore aggregation 5. Quantum dots and applications 6. Supramolecular photochemistry & Molecular sensor 7. Photosensitizer & Photomedicine 8. Photocatalyst & Photoredox chemistry 9. Chemiluminescence and electrogenerated luminescence 10. Organic electroluminescence 11. Organic solar cell & Dye-sensitized solar cell 12. Artificial photosynthesis and solar fuels
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
46
此為上學期"光化學導論"之進階課程, 授課內容主要為以分子光化學為基礎所衍生的應用性研究介紹。其包含分子螢光感測器, 量子點,光催化, 超分子光化學, 太陽能電池及人造光合作用等。希望學生能從基礎的分子光物理化學原理出發到目前熱門的光化學研究課題可以有深入的了解。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-20.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-10.00%;其他-0.00%
課程內容與進度
1. Photophysics of exciplex and excimer 2. Dual emission and excited state proton transfer 3. Photochemistry of coordination compounds 4. Photophysics of chromophore aggregation 5. Quantum dots and applications 6. Supramolecular photochemistry & Molecular sensor 7. Photosensitizer & Photomedicine 8. Photocatalyst & Photoredox chemistry 9. Chemiluminescence and electrogenerated luminescence 10. Organic electroluminescence 11. Organic solar cell & Dye-sensitized solar cell 12. Artificial photosynthesis and solar fuels
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
46
114-2_有機光譜分析與實作
應用化學系
教學目標
1. Have students understand NMR, IR, Mass spectrometry and etc. 2. Students are able to use spectra data to identify organic molecules.
授課形式
理論講述與討論-90.00%;個案分析或作品賞析-0.00%;專題實作與報告-5.00%;田野調查-0.00%;實驗-5.00%;其他-0.00%
課程內容與進度
週次 日期 授課進度 Topic 1 Feb. 24 Ch. 1 課程簡介 Molecular Formula and What Can Be Learned from Them 2 Mar. 03 Ch. 1, 3/4 Molecular Formula and What Can Be Learned from Them Mass Spectrometry 3 Mar. 10 Ch. 3/4 Mass Spectrometry 4 Mar. 17 Ch. 3/4 Mass Spectrometry 5 Mar. 24 Ch. 3/4 Mass Spectrometry 6 Mar. 31 Ch. 3/4 Mass Spectrometry 7 Apr. 07 Ch. 3/4, 2 Mass Spectrometry / Infrared Spectroscopy 8 Apr. 14 Ch. 2 Infrared Spectroscopy 9 Apr. 21 1st Middle Exam, Mass Spectrometry 10 Apr. 28 Ch. 2 Infrared Spectroscopy 11 May 05 Ch. 2 Infrared Spectroscopy 12 May 12 Ch. 2 Infrared Spectroscopy 13 May 19 Ch. 2 Infrared Spectroscopy 14 May 26 2nd Middle Exam, Infrared Spectroscopy 15 Jun. 02 Ch.5/6/7 Nuclear Magnetic Resonance Spectroscopy 16 Jun. 09 Ch.5/6/7 Nuclear Magnetic Resonance Spectroscopy 17 Jun. 16 Ch.5/6/7 Nuclear Magnetic Resonance Spectroscopy 18 Jun. 23 Final Exam, Nuclear Magnetic Resonance Spectroscopy
教科書/參考書
Introduction to Spectroscopy, 5th edition, Donald L. Pavia, Gary M. Lampman, and Georges S. Kriz
評分標準
平時表現/作業與操作成績10%; 二次期中考成績60%; 期末考試成績30%
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
4
1. Have students understand NMR, IR, Mass spectrometry and etc. 2. Students are able to use spectra data to identify organic molecules.
授課形式
理論講述與討論-90.00%;個案分析或作品賞析-0.00%;專題實作與報告-5.00%;田野調查-0.00%;實驗-5.00%;其他-0.00%
課程內容與進度
週次 日期 授課進度 Topic 1 Feb. 24 Ch. 1 課程簡介 Molecular Formula and What Can Be Learned from Them 2 Mar. 03 Ch. 1, 3/4 Molecular Formula and What Can Be Learned from Them Mass Spectrometry 3 Mar. 10 Ch. 3/4 Mass Spectrometry 4 Mar. 17 Ch. 3/4 Mass Spectrometry 5 Mar. 24 Ch. 3/4 Mass Spectrometry 6 Mar. 31 Ch. 3/4 Mass Spectrometry 7 Apr. 07 Ch. 3/4, 2 Mass Spectrometry / Infrared Spectroscopy 8 Apr. 14 Ch. 2 Infrared Spectroscopy 9 Apr. 21 1st Middle Exam, Mass Spectrometry 10 Apr. 28 Ch. 2 Infrared Spectroscopy 11 May 05 Ch. 2 Infrared Spectroscopy 12 May 12 Ch. 2 Infrared Spectroscopy 13 May 19 Ch. 2 Infrared Spectroscopy 14 May 26 2nd Middle Exam, Infrared Spectroscopy 15 Jun. 02 Ch.5/6/7 Nuclear Magnetic Resonance Spectroscopy 16 Jun. 09 Ch.5/6/7 Nuclear Magnetic Resonance Spectroscopy 17 Jun. 16 Ch.5/6/7 Nuclear Magnetic Resonance Spectroscopy 18 Jun. 23 Final Exam, Nuclear Magnetic Resonance Spectroscopy
教科書/參考書
Introduction to Spectroscopy, 5th edition, Donald L. Pavia, Gary M. Lampman, and Georges S. Kriz
評分標準
平時表現/作業與操作成績10%; 二次期中考成績60%; 期末考試成績30%
學分數
3
授課時數(周)
3
開課班級
M11442
修課人數
4