英文名稱: Data Visualization and Design ;
授課目的: 本課程以主題式學習模式, 透過經典範例的講解與提供, 手把手地帶領學生將所學習到的數據能力與工具, 應用於數據預測與商業決策的實地演練, 以建構具體實作的知能。 ;
教學模式: 授課、討論、作業;
學分數:3;
成績計算方式: 作業與出席:50%、課堂討論50%;
開課教師: 陳谷劦 教授 (khchen@niu.edu.tw);
授課目的: 本課程以主題式學習模式, 透過經典範例的講解與提供, 手把手地帶領學生將所學習到的數據能力與工具, 應用於數據預測與商業決策的實地演練, 以建構具體實作的知能。 ;
教學模式: 授課、討論、作業;
學分數:3;
成績計算方式: 作業與出席:50%、課堂討論50%;
開課教師: 陳谷劦 教授 (khchen@niu.edu.tw);
- 教師: 陳 谷劦
英文名稱: Social Network Analysis Applications ;
授課目的: 本課程之目的在於教導學生如何蒐集社群平台上的資料,並透過簡易的文字探勘技術之教學實作,讓學生學習、了解社群網路中蒐集、歸納、分析文本資料之方法。;
教學模式: 授課、討論、實作;
學分數:3;
成績計算方式: 課程討論與作業:50%
期中考:20%
期末驗收:30%
;
開課教師: 鄭吉宏 助理教授 (jhcheng@niu.edu.tw);
授課目的: 本課程之目的在於教導學生如何蒐集社群平台上的資料,並透過簡易的文字探勘技術之教學實作,讓學生學習、了解社群網路中蒐集、歸納、分析文本資料之方法。;
教學模式: 授課、討論、實作;
學分數:3;
成績計算方式: 課程討論與作業:50%
期中考:20%
期末驗收:30%
;
開課教師: 鄭吉宏 助理教授 (jhcheng@niu.edu.tw);
- 教師: 鄭 吉宏
英文名稱: Introduction to Information Applications for Business ;
授課目的: 本課程將介紹學生資訊技術相關基礎概念,使同學了解資訊技術基本知識,配合資訊軟硬體的學習,讓同學可以銜接本學程後續的課程。;
教學模式: 講述法
實作法;
學分數:3;
成績計算方式: 1. 平時成績(出席、作業、上課表現):60%
2. 期中報告:20%
3. 期末報告:20%
;
開課教師: 朱志明 助理教授 (cmchu@niu.edu.tw);
授課目的: 本課程將介紹學生資訊技術相關基礎概念,使同學了解資訊技術基本知識,配合資訊軟硬體的學習,讓同學可以銜接本學程後續的課程。;
教學模式: 講述法
實作法;
學分數:3;
成績計算方式: 1. 平時成績(出席、作業、上課表現):60%
2. 期中報告:20%
3. 期末報告:20%
;
開課教師: 朱志明 助理教授 (cmchu@niu.edu.tw);
- 教師: 朱 志明
英文名稱: Introduction to Data Science for Business ;
授課目的: 本課程將介紹學員資料科學之基礎概念及使用Python程式設計技術應用在資料科學領域。Python是國內外資料科學家必備的程式語言,其強大的套件支援資料分析、網路爬蟲、資料視覺化、資料探勘等。;
教學模式: 授課、討論、作業;
學分數:3;
成績計算方式: 平時及作業成績:50%
期中報告:20%
期末專題:30%
;
開課教師: 李柏甫 助理教授 (pflee@niu.edu.tw);
授課目的: 本課程將介紹學員資料科學之基礎概念及使用Python程式設計技術應用在資料科學領域。Python是國內外資料科學家必備的程式語言,其強大的套件支援資料分析、網路爬蟲、資料視覺化、資料探勘等。;
教學模式: 授課、討論、作業;
學分數:3;
成績計算方式: 平時及作業成績:50%
期中報告:20%
期末專題:30%
;
開課教師: 李柏甫 助理教授 (pflee@niu.edu.tw);
- 教師: 李 柏甫
英文名稱: Big Data Platforms Practice for Business ;
授課目的: 在人工智慧時代中,於不同領域皆可使用機器學習提高效率與品質。本課程主要使用SAS程式,從資料處理與分析,到建置機器學習模型的不同方法,使學生了解如何實際建立模型。如:決策樹、類神經網路、邏輯斯迴歸,並且進行模型的預測與比較。;
教學模式: 講述方式;
學分數:3;
成績計算方式: 平時考(含作業):40%;期中考:30%;期末考:30%;
開課教師: 陳宇芃 講師 (yupeng@niu.edu.tw);
授課目的: 在人工智慧時代中,於不同領域皆可使用機器學習提高效率與品質。本課程主要使用SAS程式,從資料處理與分析,到建置機器學習模型的不同方法,使學生了解如何實際建立模型。如:決策樹、類神經網路、邏輯斯迴歸,並且進行模型的預測與比較。;
教學模式: 講述方式;
學分數:3;
成績計算方式: 平時考(含作業):40%;期中考:30%;期末考:30%;
開課教師: 陳宇芃 講師 (yupeng@niu.edu.tw);
- 教師: 陳 宇芃
英文名稱: Introduction to Business Database ;
授課目的: 1.本課程實為本學程專業必修,惟在本校選課系統限制下,學生無法於系統上自由加/退選本課程,爰異動為「專業選修(大數據必修)」課程。
2.本課程以深入淺出的教學方式教導資料庫的基本觀念,包含介紹目前主要的資料庫系統、資料庫的分析與設計,並透過SQL語法的練習、逐步教導同學建置資料庫系統,及程式語言串聯資料庫等,培養學生在實務方面應用的能力,課程亦包含資料倉儲的概念及大數據的相關資料庫技術與實作。
(1)關聯式資料庫理論與觀念的建立。
(2)SQL 結構化查詢語言的使用。
(3)建立設計關聯式資料庫與分析資料的實作能力。
(4)利用程式語言串聯資料庫的設計與實作。
(5)建立資料倉儲的概念及大數據的相關資料庫技術與實作。;
教學模式: 講課、作業、實作、報告、測驗;
學分數:3;
成績計算方式: 課程表現與作業:50%
期中考:20%
期末成果報告:30%;
開課教師: 林漢洲 專案助理教授 (hanchou@niu.edu.tw);
授課目的: 1.本課程實為本學程專業必修,惟在本校選課系統限制下,學生無法於系統上自由加/退選本課程,爰異動為「專業選修(大數據必修)」課程。
2.本課程以深入淺出的教學方式教導資料庫的基本觀念,包含介紹目前主要的資料庫系統、資料庫的分析與設計,並透過SQL語法的練習、逐步教導同學建置資料庫系統,及程式語言串聯資料庫等,培養學生在實務方面應用的能力,課程亦包含資料倉儲的概念及大數據的相關資料庫技術與實作。
(1)關聯式資料庫理論與觀念的建立。
(2)SQL 結構化查詢語言的使用。
(3)建立設計關聯式資料庫與分析資料的實作能力。
(4)利用程式語言串聯資料庫的設計與實作。
(5)建立資料倉儲的概念及大數據的相關資料庫技術與實作。;
教學模式: 講課、作業、實作、報告、測驗;
學分數:3;
成績計算方式: 課程表現與作業:50%
期中考:20%
期末成果報告:30%;
開課教師: 林漢洲 專案助理教授 (hanchou@niu.edu.tw);
- 教師: 林 漢洲
英文名稱: Financial Data Analysis Practice ;
授課目的: 本課程深度探索金融資料分析與實務操作,著重於股票市場的投資分析與模擬。學生將學習使用ChatGPT撰寫爬蟲Python程式抓取台灣股價資料,及實作一系列的演算法以建立及優化股價預測模型。學生將進行分組模擬股票市場投資,每組將會有一位資深股票投資者,協同建立股票投資預測模型,股票投資者提供投資策略,學生應用課堂所學之股票預測模型並實作投資策略,依據投資績效(模擬)獲取課堂評分的20%。課程中將運用Power BI進行股票投資視覺化,使學生能清晰理解分析結果。本課程將幫助學生在理論與實務間取得平衡,為未來的金融市場投資做好充分的準備。;
教學模式: 講課、實作、作業、報告;
學分數:3;
成績計算方式: 期中報告 20%
Power BI 股票投資視覺化決策模型 20%
期末報告 30%
競賽(根據模擬投資報酬率排名,投資報酬率越高,分數越高) 20%
班級參與與貢獻(包括課堂討論、分組協作等) 10%;
開課教師: 林漢洲 專案助理教授 (hanchou@niu.edu.tw);
授課目的: 本課程深度探索金融資料分析與實務操作,著重於股票市場的投資分析與模擬。學生將學習使用ChatGPT撰寫爬蟲Python程式抓取台灣股價資料,及實作一系列的演算法以建立及優化股價預測模型。學生將進行分組模擬股票市場投資,每組將會有一位資深股票投資者,協同建立股票投資預測模型,股票投資者提供投資策略,學生應用課堂所學之股票預測模型並實作投資策略,依據投資績效(模擬)獲取課堂評分的20%。課程中將運用Power BI進行股票投資視覺化,使學生能清晰理解分析結果。本課程將幫助學生在理論與實務間取得平衡,為未來的金融市場投資做好充分的準備。;
教學模式: 講課、實作、作業、報告;
學分數:3;
成績計算方式: 期中報告 20%
Power BI 股票投資視覺化決策模型 20%
期末報告 30%
競賽(根據模擬投資報酬率排名,投資報酬率越高,分數越高) 20%
班級參與與貢獻(包括課堂討論、分組協作等) 10%;
開課教師: 林漢洲 專案助理教授 (hanchou@niu.edu.tw);
- 教師: 林 漢洲