(107學年度起新生適用)
課程類別 |
課程名稱 |
開課系所 |
學分數 |
---|---|---|---|
必修課程 |
書報討論(一)(二) |
應用數學系 |
1 / 1學分 |
基礎課程 |
A1. 最佳化理論與方法(一)或 線性規劃 |
應用數學系 |
3學分 |
A2. 大數據探勘 |
統計學研究所 |
3學分 |
|
核心課程 |
B1. 大型矩陣計算(一)或 矩陣計算(一) |
應用數學系 |
3學分 |
B2. 統計學習 或 應用機率模型 |
應用數學系 統計學研究所 |
3學分 |
|
B3. 巨量資料技術與分析應用 |
統計學研究所 |
3學分 |
|
B4. 類神經網絡 |
應用數學系 |
3學分 |
|
進階整合課程 |
C1. 數據科學實務 |
應用數學系 |
3學分 |
選修課程 |
最佳化理論與方法(二) |
應用數學系 |
3學分 |
大型矩陣計算(二) |
應用數學系 |
3學分 |
|
矩陣計算(二) |
應用數學系 |
3學分 |
|
非線性優化 |
應用數學系 |
3學分 |
|
小波分析 或 傅立葉分析 |
應用數學系 |
3學分 |
|
訊號處理 |
應用數學系 |
3學分 |
|
數學建模 |
應用數學系 |
3學分 |
|
迴歸分析 |
統計學研究所 |
3學分 |
|
高維度資料分析 |
統計學研究所 |
3學分 |
|
統計建模與模擬 |
統計學研究所 |
3學分 |
|
多變量分析 |
統計學研究所 |
3學分 |
|
網絡分析 |
統計學研究所 |
3學分 |
|
Python程式語言與應用 |
統計學研究所 |
3學分 |
|
巨量與開放資料應用開發 |
資訊管理學系 |
3學分 |
|
高等資料庫管理 |
資訊管理學系 |
3學分 |
|
物聯網 |
資訊工程學系 |
3學分 |
|
分散式系統 |
資訊工程學系 |
3學分 |
|
雲端運算 |
資訊工程學系 |
3學分 |
|
備 註 |
1.需修滿下列規劃課程達30學分(含)以上(不含必修課程)。 2.進階整合課程為必選3學分。 3.基礎課程與核心課程至少修滿12學分。 建議學生應具備:微積分、線性代數、機率與統計、數理統計、資料結構、R程式語言、Python程式語言、資料庫管理等相關課程之預備知識。 |
||
修課時程建議 |
碩一上:書報討論(一)、A1、A2、B1、B2 碩一下:書報討論(二)、B3、B4、選修課 碩二上:C1、選修課 碩二下:選修課 |