應用數據科學理學碩士

本科目探討高級數據分析技術，重點關注數據挖掘方法及其在大型數據集中的應用。學生將學習關聯規則挖掘、聚類方法（如 k-means 與層次聚類）以及進階分類技術（如支持向量機與集成學習）。科目亦介紹文本與圖形數據的挖掘技術，幫助學生從複雜數據中發掘模式與洞察。此外，科目還涵蓋數據分析在教育、醫療保健、金融等領域的應用，並透過實作科目，讓學生熟悉數據挖掘工具與軟件，以便在各種應用場景中進行分析與解讀。

本科目旨在透過編程練習與專案的實務，讓學生更新並擴展對Python程式設計概念的理解。學生將透過解決函數式、邏輯式及並行編程問題來學習進階編程技巧。本科目強調實務應用，鼓勵創意與問題解決能力，讓學生能夠深入探討進階數據流及控制流。此外，科目亦將介紹生成式人工智能在程式設計上的應用，幫助學生利用人工智能技術尋求編程任務的內在特性、生成程式碼片段及透過現代程式碼審查提升程式碼品質。

本科目深入探索數據庫系統與管理方法。學生將學習數據庫設計原則、關係代數、SQL數據操作以及數據倉儲技術。科目涵蓋關係數據庫和 NoSQL 數據庫，並強調其在大規模數據管理上的應用。主題涵蓋事務管理、並發控制、數據完整性以及性能最優化。學生將獲得設計並開發數據庫解決方案，以提升大數據管理能力的實務經驗，對於在不同應用情境中有效管理大數據至關重要。

本科目旨在以SAS公司研發的 SEMMA（抽樣 Sample、探索 Explore、修正 Modify、建模 Model、評估 Assess）及IBM等公司開發的CRISP-DM（跨行业數據挖掘標準流程）框架為基礎，全面介紹數據科學與人工智能的基礎概念與方法論，學生將學習數據收集、預處理、探索性數據分析、數據可視化、描述性與推論性統計方法導論，以及使用 Jamovi 或 R/Python 進行上述數據分析。科目亦涵蓋線性回歸、邏輯回歸、決策樹、聚類技術等基礎機器學習演算法，以及類神經網絡與搜索算法等人工智能基本概念。而數據科學與 AI 的倫理與社會影響的討論，則有助於學生全面理解該領域。這些基礎知識將會為後續進階科目與實務應用奠定基礎。

本科目旨在讓學生深入理解人工智能模型和算法的原理及理論，涵蓋深度學習、計算機視覺和自然語言處理等高級主題。學生將探索神經網絡、卷積神經網絡和循環神經網絡的理論基礎和實際應用。其他主題包括強化學習、生成對抗網絡，以及開發用於現實應用的人工智能系統。科目亦探討倫理考量和可信人工智能系統的開發，旨在準備學生在人工智能領域負責任地創新。

本科目首先回顧網絡安全的基本知識和技能，以及其在教育領域的應用。本科目將探討網絡安全的關鍵概念，包括密碼雜湊函數、數字簽名、身份驗證、公鑰基礎設施、防火牆、入侵檢測、存取控制等，以及它們在網絡安全教育中的相關應用。本科目旨在提供學生全面的網絡安全概念，並讓學生學會解決實際的網絡安全問題以及設計網絡安全教育解決方案。

本科目介紹數據可視化技術，聚焦於學習使用 Python 軟件包建立二維和三維可視化圖像。學生將學習如 Matplotlib、Seaborn 與 Plotly 等函式庫，並了解如何使用它們創建具資訊性與互動性的可視化圖表。科目亦涵蓋降維技術與人機交互原則，以提升視覺數據的可用性與可解釋性。學生將透過實作練習發展以視覺敘事方式有效傳達數據洞察的技能。

本科目專注於預測性分析技術及其在決策過程中的應用。學生將探索時間序列預測和回歸模型等方法。科目強調使用預測性模型來預計未來趨勢和結果，包括估計特定變量的未來值（例如，銷售、需求、溫度）和預測結果或行為（例如，客戶流失、欺詐風險），以支持戰略規劃和決策。透過實際練習和專案，學生將學習如何應用預測性分析將數據轉化為可操作的洞見，與課程創造創新型數據驅動解決方案的目標一致。

本科目聚焦生成式人工智能模型及其在各領域的應用。學生將探索生成對抗網絡（GANs）、變分自編碼器和像 GPT 這樣的大型語言模型等概念。科目強調生成式人工智能系統在圖像合成、文本生成和創意內容創作等任務中的開發和實施。學生將獲得使用生成式人工智能框架和工具的實踐經驗，為創新和開發利用生成式人工智能技術的應用做好準備。

本科目探討學習分析技術在教育環境中的應用，以提高學習成果和教育實踐。學生將學習有關學習分析、學習行為建模、資料挖掘和機器學習技術，例如分類、聚類和關聯規則挖掘等在教育背景中的實用方法。本科目還將討論分析學生數據的倫理考量。科目聚焦於分析學生數據以識別模式並預測學習成果，支持個性化學習和教育中的知情決策。通過將理論概念與實際應用相結合，學生將能夠將教育數據轉化為可行的洞察力。

本課程探討社會計算與情感分析的交叉領域，聚焦於分析社交媒體、社交網絡、用戶互動和在線行為的技術與方法。學生將學習文本挖掘、圖數據挖掘和情感分析技術，以及從社會數據中提取的見解。通過實踐練習和項目實戰，學生將應用這些技術解決現實世界中的社會計算問題，將數據轉化為可行的智能決策。