
資料上架時間:2018/11/17 下午 11:10:00
學系特色
【培育大數據與人工智慧人才】
1.以數理涵養為根基,輔以大數據/人工智慧技能訓練,並應用在各實務領域 (金融科技、智慧醫療、工業製造、物聯網等),理論與實務兼備。 2.開設分流學程(群),使學生適性發展:「資料科學實務」、「人工智慧與深度學習」、「工業4.0」、「科學計算」、「金融科技」。因應人工智慧與大數據時代的到來,本系將是最佳的選擇!
學科意涵
本系培育資料科學(大數據)與人工智慧人才。資料科學(大數據)乃是進行資料洞察分析並能建立模型預測各種現象. 而人工智慧主要是以深度學習以及相關機器學習方法進行各種的應用. 相關應用:無人駕駛、金融科技FinTech、企業營運/客戶洞察分析、智慧醫療、工業智慧製造、物聯網…
學習方法
暫無圖片
統計方法: 以收集數據、分析數據和由數據得出結論的一系列方法。分為兩類:描述統計方法和推斷統計方法。
1.描述統計方法:
描述統計方法是指通過圖表的方式對數據進行處理顯示,進而對數據進行定量的綜合概括的統計方法。
2.推斷統計方法:
推斷統計方法是指根據樣本數據去推斷總體數量測度的方法。
暫無圖片
資料探勘(data mining): 一門從大量資料或者資料庫中提取有用資訊的科學。
暫無圖片
機器學習:
機器學習理論主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析獲得規律,並利用規律對未知資料進行預測的演算法。 因此資料探勘與機器學習相輔相成。
暫無圖片
深度學習(deep learning):
這項技能方法是目前熱門的人工智慧領域的核心. 是機器學習中模擬大腦神經網絡結構運作,並藉由多層神經網絡對資料進行特徵提取的演算法,是一種試圖使用包含複雜結構或由多重非線性變換構成的多個處理層對資料進行高層抽象的演算法。
暫無圖片
R以及Python程式語言: R以及Python分別是資料科學、人工智慧使用最廣泛的程式語言. 資料科學及人工智慧的實踐過程大多藉由R,Python的程式實作來完成.
與相關科系之異同
與資管系/資工系異同:
1. 相同: 資訊方面的訓練(例如程式語言,資料庫), 人工智慧深度學習的訓練 .
2. 相異: 本系在數理方面的訓練更加廣泛與扎實, 資訊相關科系卻很少, 偏向技術性/操作性的, 彈性較小. 本系所探討的資料型態是較為廣泛的(影像、文字...), 人工智慧的應用領域也較為廣泛, 而資訊科系往往只是應用在影像處理方面.
生涯發展容易誤解之處
沒有
學習方法容易誤解之處
本系發展「資料科學/大數據」與「人工智慧」領域. 易被誤解為「資訊科學」. 本系綜合「資訊科學」及「數理」面向。具備數理的訓練, 將有扎實的基礎, 遇見沒見過的情形, 將能夠根據學理的依據來解決。 而「資訊科學」學系或領域較偏向技術性/操作性的, 彈性較小, 遇到沒見過的情形, 會無法處理.
補充提醒與說明
因應就業市場對於各種專業人才之需求,本系提供與規畫多種領域之證照輔導課程與訓練,並提供證照考試獎勵金,鼓勵學生考取證照,增加職場競爭力,贏得就業先機。例如本系建置了Microsoft(微軟)最新全球MPP專業學位課程認證:Data Science資料科學」、「Big Data大數據」、「AI人工智慧」等領域有許多專業課程.
核心課程地圖
-
大一必修
- 微積分(一)
- 微積分(二)
- 資料處理
- R軟體應用
- Python軟體應用
- 資料科學暨生涯規劃
- 統計學 (一)(二)
- 資料處理
-
大二必修
- 微積分(三)
- 線性代數(一)
- 線性代數(二)
- Java程式設計(一)
- 機率論
- 迴歸分析
-
大三必修
- 資料庫系統
- 機器學習(一)
- 大數據管理分析平台
- 資料探勘
- 深度學習(一)(二)
- 資料結構
- 演算法
-
大四必修
- 專題實作(一)
- 專題實作(二)
專業選修課程
-
資料科學實務學程
- 資料探勘、多變量分析、時間序列分析、存活分析
-
人工智慧與深度學習學程
- 深度學習(一)(二)、深度學習應用、人工智慧與物聯網應用、智慧醫療、資料庫管理
-
工業4.0學程
- 生產管理、品質管理、品質管理實務(證照)、六標準差管理
-
金融科技學群
- 金融商品介紹、金融商品應用、金融實務、保險實務、金融大數據分析、區塊鍊
-
科學計算學程
- 數值分析、數學模型、資料庫管理、資料結構、演算法
特色課程
暫無圖片
金融大數據分析
這門課是屬於現在熱門的金融科技FinTech領域中 "智能金融理財服務" 面向, 授課內容涵蓋: (1) 熟悉R/Python 軟體金融工具 (2) 熟悉股票債券期貨金融商品 (3) 投資組合理論 (4) 藉著資料科學大數據分析以及人工智慧技巧撰寫金融商品投資策略. 實現程式自動交易.
暫無圖片
深度學習應用
這門課所教授的內容是現在熱門的人工智慧領域之基礎. 主題內容涵蓋: 利用人工智慧深度學習技能應用在影像處理(自動駕駛, 醫學影像判讀), 自然語言處理(聊天機器人, 翻譯機器人)...
暫無圖片
資料探勘
介紹各種資料探索與挖掘的方法, 並加以應用在各種領域. 拜科技進步之賜,我們可以同時收集到的大量的資訊,如生物晶片、影像解析或是網路資訊。這些資料中可能包含許多雜訊,如何過濾雜訊找到真正有用的訊息,並利用這些訊息對資料加以分類、預測或是分群.
暫無圖片
保險金融
1.從保險與金融理論知識引導實務應用
2.從保險金融應用的角度來探討理財規劃。
3.導入財務需求分析,精確規劃人生風險
4.透過實務商品分析,了解產業實務面。
4.從現金流量活動了解保險與風險危機時應變之決策。
5.協助金融保險相關證照考試。
暫無圖片
資料庫系統
大數據時代已經來臨,任何組織都有資料,並建置資料庫系統加以儲存管理. 有效的利用這些資料,對於單位組織的運作與績效提升將有很大的幫助. 因此管理與操作運用資料庫的相關技能就很重要. 本課程讓同學瞭解資料庫系統之設計與實際操作應用,並輔導考取國際證照,提升就業競爭力(資料庫證照是許多職缺的必要條件).
適合從事工作
-
資訊應用人員
-
撰寫程式, 網頁或資訊系統開發... 並應用在企業營運各種實務問題中. 本系具備相關資訊技能之訓練.
-
-
金融投資分析師/金融或保險精算從業人員
-
(1)金融投資分析師:利用財經專業知識+資訊+大數據AI技能, 進行金融投資或風險分析,作為企業決策的參考. 包括公家機關或私人公司企業。(2)金融或保險業從業人員: 證券與期貨營業員/分析師,保險精算師...
-
-
巨量資料分析師
-
熟悉Hadoop 與Spark大數據管理與分析工具, 並能利用大數據進行分析,建立預測系統.
-
-
資料分析人員
-
協助企業 1. 發展預測分析模型 2. 進行資料建模 3. 建置資料倉儲/資料庫 4. 製作資料視覺化報表. 此職缺需熟悉統計分析、SQL、Python、R語言.
-
-
資料庫管理人員
-
負責企業組織各種資料庫規劃(人事,存貨,銷售…)、管理、資料備援、效能調校及安全管理等工作,以維護資料庫正常運行。提供諮詢並處理使用者使用資料庫的相關問題。協同系統管理部門、網路管理部門,提供正常資料庫維運。
-
系友生涯發展

屠嘉嵐
學習經驗:
屠嘉嵐系友畢業後考取交通大學「數據科學與工程研究所」,非常傑出.在學時表現優異,學習面向涉略廣泛,曾進入多家企業進行與數據分析及建模相關的企業實習,將所學的技能用於實務問題之上。屠同學修習許多與資料科學及人工智慧相關的課程,非常有心的培養自我的技能實力,也有獲得多張相關的證照。
目前就讀交通大學「數據科學與工程研究所」

邢晏純
學習經驗:
邢晏純系友畢業後考取「台北醫學大學大數據科技及管理研究所」,在學4年學習態度優異,曾獲台中市模範生。系上課程規劃使學生奠定了統計及其相關應用之基礎,不論是資料科學、程式邏輯及資料庫運用方面,讓學生與實務領域接軌,不管是升學或就業都十分容易。
職業經驗:
就讀「台北醫學大學大數據科技及管理研究所」, 研究關於自然語言處理, 例如情緒分析、聊天機器人之應用,在指導教授帶領之下,曾於碩二前將研究投稿於自然語言相關之國際會議(ICCLNLP)及台灣所舉辦的人工智慧會議(TAAI),都獲得發表的機會。

戴添智
學習經驗:
1. 學習過程首先著重了解,再輔以不斷練習!我喜歡寫程式,自我訓練!大學時修習許多與資訊相關技能的課程, 好好裝備自己.
2. 「做中學,自我訓練」是非常重要的學習過程。遇到困難,上網找資料,尋求支援是非常重要的訓練!
職業經驗:
1. 目前在資訊產業,累積多年的實作經驗,已能獨當一面完成千萬元的專案計畫!
2. 升遷快速,目前年薪已破百萬!

溫淑惠
學習經驗:
系上提供學程的修習,讓我更有系統性的修課。每當課業上遇到困難時,系上有提供諮詢中心的諮詢,同樣地,老師也有office hours,並有耐心的引導我去解決各種學習上的疑難雜症。
職業經驗:
任職於「中國砂輪企業股份有限公司」品保工程師,大學時,透過系上品質管理與統計方面的專業訓練,工作中能充分地來應付. 由於在理論與實務上的良好訓練, 對於工作實務上遇到的種種情況,容易去理解為什麼要這麼做,判斷何時可以這麼做,而不是僅接收別人叫你怎麼做,即使目前工作中並不會用到很艱深的統計難題。

鐘智瑋
學習經驗:
大學時期是人生的黃金學習階段,認真讀書認真玩,盡可能地把握這段寶貴時光,找到自己有興趣的專業,認真培養自己的廣度和深度,尤其是你的外語能力和思考能力。
職業經驗:
任職於「中國醫藥大學大數據研究中心」. 這工作是我能夠發揮能力的地方,最重要的是找到自己的興趣所在和個人價值,把握大學時期所學到的專業知識、表達能力及做人處事,其餘的等工作時再學習,但要不斷思考如何才能做得更好,試著培養出屬於自己的品牌。
多元能力
數學推理:了解數學概念、公式與推導邏輯,用以解決問題。
個人特質
堅毅性:專注投入,竭盡全力,有始有終,堅持到底,使命必達
圖表來源為該校系之重視百分比,加總為100%;百分比越高,代表越重視。