应用数据科学理学硕士

本科目探讨高级数据分析技术，重点关注数据挖掘方法及其在大型数据集中的应用。学生将学习关联规则挖掘、聚类方法（如 k-means 与层次聚类）以及进阶分类技术（如支持向量机与集成学习）。科目亦介绍文本与图形数据的挖掘技术，帮助学生从复杂数据中发掘模式与洞察。此外，科目还涵盖数据分析在教育、医疗保健、金融等领域的应用，并透过实作科目，让学生熟悉数据挖掘工具与软件，以便在各种应用场景中进行分析与解读。

本科目旨在透过编程练习与项目的实务，让学生更新并扩展对Python程序设计概念的理解。学生将透过解决函数式、逻辑式及并行编程问题来学习进阶编程技巧。本科目强调实务应用，鼓励创意与问题解决能力，让学生能够深入探讨进阶数据流及控制流。此外，科目亦将介绍生成式人工智能在程序设计上的应用，帮助学生利用人工智能技术寻求编程任务的内在特性、生成代码段及透过现代程序代码审查提升程序代码质量。

本科目深入探索数据库系统与管理方法。学生将学习数据库设计原则、关系代数、SQL数据操作以及数据仓储技术。科目涵盖关系数据库和 NoSQL 数据库，并强调其在大规模数据管理上的应用。主题涵盖事务管理、并发控制、数据完整性以及性能最优化。学生将获得设计并开发数据库解决方案，以提升大数据管理能力的实务经验，对于在不同应用情境中有效管理大数据至关重要。

本科目旨在以SAS公司研发的 SEMMA（抽样 Sample、探索 Explore、修正 Modify、建模 Model、评估 Assess）及IBM等公司开发的CRISP-DM（跨行业数据挖掘标准流程）框架为基础，全面介绍数据科学与人工智能的基础概念与方法论，学生将学习数据收集、预处理、探索性数据分析、数据可视化、描述性与推论性统计方法导论，以及使用 Jamovi 或 R/Python 进行上述数据分析。科目亦涵盖线性回归、逻辑回归、判定树、聚类技术等基础机器学习算法，以及类神经网络与搜索算法等人工智能基本概念。而数据科学与 AI 的伦理与社会影响的讨论，则有助于学生全面理解该领域。这些基础知识将会为后续进阶科目与实务应用奠定基础。

本科目旨在让学生深入理解人工智能模型和算法的原理及理论，涵盖深度学习、计算器视觉和自然语言处理等高级主题。学生将探索神经网络、卷积神经网络和循环神经网络的理论基础和实际应用。其他主题包括强化学习、生成对抗网络，以及开发用于现实应用的人工智能系统。科目亦探讨伦理考虑和可信人工智能系统的开发，旨在准备学生在人工智能领域负责任地创新。

本科目首先回顾网络安全的基本知识和技能，以及其在教育领域的应用。本科目将探讨网络安全的关键概念，包括密码哈希函数、数字签名、身份验证、公钥基础设施、防火墙、入侵检测、访问控制等，以及它们在网络安全教育中的相关应用。本科目旨在提供学生全面的网络安全概念，并让学生学会解决实际的网络安全问题以及设计网络安全教育解决方案。

本科目介绍数据可视化技术，聚焦于学习使用 Python 软件包建立二维和三维可视化图像。学生将学习如 Matplotlib、Seaborn 与 Plotly 等函式库，并了解如何使用它们创建具信息性与互动性的可视化图表。科目亦涵盖降维技术与人机交互原则，以提升视觉数据的可用性与可解释性。学生将透过实作练习发展以视觉叙事方式有效传达数据洞察的技能。

本科目专注于预测性分析技术及其在决策过程中的应用。学生将探索时间序列预测和回归模型等方法。科目强调使用预测性模型来预计未来趋势和结果，包括估计特定变量的未来值（例如，销售、需求、温度）和预测结果或行为（例如，客户流失、欺诈风险），以支持战略规划和决策。透过实际练习和项目，学生将学习如何应用预测性分析将数据转化为可操作的洞见，与课程创造创新型数据驱动解决方案的目标一致。

本科目聚焦生成式人工智能模型及其在各领域的应用。学生将探索生成对抗网络（GANs）、变分自编码器和像 GPT 这样的大型语言模型等概念。科目强调生成式人工智能系统在图像合成、文本生成和创意内容创作等任务中的开发和实施。学生将获得使用生成式人工智能框架和工具的实践经验，为创新和开发利用生成式人工智能技术的应用做好准备。

本科目探讨学习分析技术在教育环境中的应用，以提高学习成果和教育实践。学生将学习有关学习分析、学习行为建模、资料挖掘和机器学习技术，例如分类、聚类和关联规则挖掘等在教育背景中的实用方法。本科目还将讨论分析学生数据的伦理考虑。科目聚焦于分析学生数据以识别模式并预测学习成果，支持个性化学习和教育中的知情决策。通过将理论概念与实际应用相结合，学生将能够将教育数据转化为可行的洞察力。

本课程探讨社会计算与情感分析的交叉领域，聚焦于分析社交媒体、社交网络、用户互动和在线行为的技术与方法。学生将学习文本挖掘、图数据挖掘和情感分析技术，以及从社会数据中提取的见解。通过实践练习和项目实战，学生将应用这些技术解决现实世界中的社会计算问题，将数据转化为可行的智能决策。