英文名稱: Machine Learning Practices for Business ;
授課目的： 該門課程旨在培養學生運用機器學習技術解決商業問題的能力。通過深入淺出的教學方法，引導學生掌握數據分析的基本知識，並應用於各個商業領域，包括銷售、人力資源、和財務。課程強調實際操作和案例分析，以培養學生的實際應用能力和邏輯思考能力。學生將學會如何在Kaggle平台上尋找和處理數據，並通過期中和期末的報告來展示學習成果，教學目的：
1. 掌握機器學習的基本概念和常見算法。
2. 學會如何在Kaggle平台上尋找和處理數據。
3. 應用機器學習技術於不同的商業領域。
4. 進行案例分析，了解機器學習在實際商業情境中的應用。
5. 提升數據分析能力和邏輯思考能力。
6. 增強溝通和團隊協作能力，能夠清晰地向非技術背景的人士解釋技術問題和結果。
7. 完成期中和期末報告，展示學習成果和解決問題的能力。
;
教學模式： 課堂講解、分組討論、實作、作業、報告;
學分數：3;
成績計算方式： 作業與出席：30%、期中報告：30%%、期末報告：40%;
開課教師： 林漢洲 專案助理教授 (hanchou@niu.edu.tw);

英文名稱: Text Mining Applications ;
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.本課程讓同學們了解文字探勘技術在日常生活中的相關應用，包含社群媒體大數據、網路爬蟲、文字處理技術等基礎知識並且學習操作相關軟體。
;
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%、
期中報告：20%、
期末報告：30%;
開課教師： 鄭吉宏 助理教授 (jhcheng@niu.edu.tw);

英文名稱: Data Prediction and Decision-making for Business ;
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.本課程以主題式學習模式，透過11個實際情境 (包含商業競爭、銷售、顧客網頁瀏覽行為、促銷、商品推薦、顧客消費意願、定價、產品需求、股價等)講解相關技術原理，並且手把手地帶領學生將所學習到技術原理於情境中進行預測，以建構具體實作的知能。;
教學模式： 授課、討論、作業、實作、報告;
學分數：3;
成績計算方式： 課堂表現暨出席：40%、作業(共11次)：30%、期末分組報告：30%;
開課教師： 林漢洲 專案助理教授 (hanchou@niu.edu.tw);

英文名稱: Data Mining Applications for Business ;
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. 本課程旨在教導學生學習資料探勘之基礎理論及方法，並從資料中辨識有意義的資訊，以進行知識呈現
或決策分析。
;
教學模式： 教師講授：60% 課堂實作：40%;
學分數：3;
成績計算方式： 期中考：30% 期末考：30% 出席率：20%
課堂表現：20%
;
開課教師： 李柏甫 助理教授 (pflee@niu.edu.tw);

英文名稱: Introduction to Big Data Analytics for Business ;
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.將大數據視覺化可以輕鬆掌握各行業於財務、行銷、人力資源等相關資訊，創造實用商業價值。本課程期望透過Power BI結合各種資料來源，將所收集到的資料整理成視覺化的分析報表，並以互動式視覺效果呈現。;
教學模式： 講述方式;
學分數：3;
成績計算方式： 平時考(含作業)：30%；期中考：35%；期末考：35%;
開課教師： 陳宇芃 講師 (yupeng@niu.edu.tw);

英文名稱: Introduction to Artificial Intelligence for Business ;
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.本課程以遊戲的方式讓同學了解人工智慧相關技術(包含機器學習、深度學習、影像辨識與自然語言處理等)原理、介紹人工智慧的能力與發展，及日常生活中與產業應用之案例，搭配手把手帶領同學操作人工智慧的相關軟體、以研討方式探討人工智慧倫理及社會議題。
3.本門課程已申請服務學習，若通過，希望以服務學習的方式進行本門課程，學生將至國小教授人工智慧，並製作人工智慧國小教材，並於期末進行成果發表與競賽。;
教學模式： 授課、討論、作業、遊戲、報告;
學分數：3;
成績計算方式： 作業與課堂表現：40%、期中報告：30%、期末報告：30%;
開課教師： 林漢洲 專案助理教授 (hanchou@niu.edu.tw);