大數據管理與應用學士學位學程(1142)

英文名稱: Data Prediction and Decision-making for Business ;
授課目的： 1.本課程為本學程專業選修課程，旨在培養學生於大數據環境中的數據分析與預測能力，並結合 ChatGPT 進行輔助程式設計與演算法實作，以提升學習成效與實務應用能力。 2.本課程採主題式學習模式，透過 11 個真實商業情境（如商業競爭、銷售分析、顧客行為預測、促銷策略設計、商品推薦、消費意願分析、定價策略、產品需求預測及股價預測等），講解相關技術與模型建構原理，並結合 ChatGPT 的輔助，手把手帶領學生完成數據預測實作，建立整合理論與實務的核心技能。 ;
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： 黃曜輝 教授 (yaohuei@niu.edu.tw);

英文名稱: Introduction to Artificial Intelligence for Business ;
授課目的： 1.理解人工智慧的基礎概念與生成式AI的應用方式。 2.掌握生成式AI的技術與操作，包括文本生成、影像生成等實務場景應用。 3.熟悉Prompt Engineering技巧，學會設計高效的指令以提升生成結果的質量與效率。 4.探討生成式AI的倫理、社會影響及其在文化創意與企業管理中的實際應用。 5.培養學生分析生成式AI在多領域中的價值，並能將其融入解決日常或商業問題的能力。 ;
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： 邱鈺鈞 講師 (yjciou@niu.edu.tw);

英文名稱: Data Mining Applications for Business ;
授課目的： 1. 本課程建議已修習完資料科學課程者選修。 2. 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。 3. 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。 ;
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 副教授 (pflee@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、分組報告 ;
學分數：3 ;
成績計算方式： 作業與出席：40%、 期中報告：30%、 期末報告：30% ;
開課教師： 鄭吉宏 助理教授 (jhcheng@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。課程是使用 Power BI 軟體，會帶到些微 M 語言。 ;
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);