|
東吳大學 資料科學系 |
靜宜大學 資料科學暨大數據分析與應用學系 |
|
|---|---|---|
| 所屬學群 |
資訊學群
跨
數理化學群
數據統計學類 |
資訊學群
跨
數理化學群
數據統計學類 |
| 所在校區 |
雙溪校區 111台北市士林區臨溪路70號 |
校本部 43301臺中市沙鹿區臺灣大道7段200號 |
| 學系特色 |
東吳大學獨步亞洲首創『巨量資料管理學院』，並設立資料科學系，效法美國知名學府，不僅著重知識的傳授更強化專業領域的養成，課程規劃彈性而因應時代所需。著重於資料科學跨領域應用，課程設計結合機器學習、人工智慧、資料分析、資料視覺、數學、統計、管理、金融、行銷、社會、心理、商業應用等跨領域應用，強調專題實作與企業實習，同時引進業師群實務授課，致力培育高應變力的跨領域數據人才。 |
【培育大數據與人工智慧人才】 |
| 學科意涵 |
在資料科學領域裡工作的人需要具備兩方面素質：一是概念性，主要是模型理解與運用；二是實踐性，主要是處理實際資料的能力。培養這樣的人才，需要數學、統計與計算機科學等學科之間的密切合作，同時也更需要產業界的投入與協助，現在遍佈於日常生活中的影音推薦系統、Siri 語意分析系統等都是應用。 |
本系培育資料科學(大數據)與人工智慧人才。資料科學(大數據)乃是進行資料洞察分析並能建立模型預測各種現象；而人工智慧主要是以深度學習以及相關機器學習方法進行各種的應用。相關應用：無人駕駛、金融科技FinTech、企業營運/客戶洞察分析、智慧醫療、工業智慧製造、物聯網…等。 下載詳細資料 |
| 學習方法 |
問題導向式學習(Problem-Based Learning, PBL)：透過問題情境誘發學生探索目標、設定方法並善用資訊科技(如：Python等工具運用)以及網路資源(如公開資料與程式碼)來提出解決方案，以培養學生資料分析基礎能力，並提升學生自我學習與解決問題的能力。 
專案導向式學習：專案即是現實世界的真實案例，使學生進入有意義的問題情景中，通過自主探究和團隊合作來解決問題，結合業界資源於課堂中導入 Capstone 專案，由業界專家出題，老師引導學生解題，在過程中培養資料分析能力、問題解決能力以及多元之資料分析視野。 
主題式學習：跨學科知識範疇，由不同領域業界老師扮演著顧問的角色，並透過同儕合作與校外實習，探索真實世界的各種現象，思考因應社會挑戰的可行辦法，並發掘自己的潛能。例如：研究「社群憂鬱現象」的主題，就會涉及心理、社工、自然語言處理、醫學、社群、科技等多個學科，帶領學生進行跨學科的專題實作。 |
統計方法：以收集數據、分析數據和由數據得出結論的一系列方法。分為兩類：描述統計方法和推斷統計方法。1.描述統計方法：描述統計方法是指通過圖表的方式對數據進行處理顯示，進而對數據進行定量的綜合概括的統計方法。2.推斷統計方法：推斷統計方法是指根據樣本數據去推斷總體數量測度的方法。 圖解:本系辦理優遊台中學活動照片 版權:靜宜資科系 
機器學習：機器學習理論主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析獲得規律，並利用規律對未知資料進行預測的演算法。 因此資料探勘與機器學習相輔相成。 圖解:專題實作導入機器學習 版權:靜宜資科系 
資料探勘(data mining)：一門從大量資料中提取有用資訊的科學。重要的主題如下:1. 關聯分析(購物籃分析) 2. 推薦系統 3. 社群網路分析: 例如將客戶分群促銷之資料視覺化: https://tinyurl.com/2xhmzpg4 4. 文字探勘5.智慧行銷 圖解:本系辦理AI語音辨識影片拍攝教學課程 版權:靜宜資科系 
深度學習（deep learning）：這項技能方法是目前熱門的人工智慧領域的核心，是機器學習中模擬大腦神經網絡結構運作，並藉由多層神經網絡對資料進行特徵提取的演算法，是一種試圖使用包含複雜結構或由多重非線性變換構成的多個處理層對資料進行高層抽象的演算法。 圖解:深度學習人工智慧應用 版權:靜宜資科系 
R以及Python程式語言：R以及Python分別是資料科學、人工智慧使用最廣泛的程式語言。資料科學及人工智慧的實踐過程大多藉由R,Python的程式實作來完成。 圖解:本系辦理高中生營隊活動照片 版權:靜宜資科系 |
| 高中階段可以準備的學習方法或方向 |
高中端可以利用網路教學或是線上課程來進行預先學習，或是經由雜誌、媒體等方式多吸收來自各種不同面向的科技趨勢與走向，讓自我對於數位化、人工智慧的應用場域更加了解。 |
1.目前有許多的線上課程或專門的實體上課研修機構可以自我學習,建議學生可以針對有興趣的部分利用網路教學或是線上課程來進行預先自我學習 |
| 與相關科系之異同 |
資料科學系常與資訊工程、資訊管理比較。資訊工程系的學生多從事研發設計與硬體相關或是新演算法的軟體工作；資訊管理系則是與管理相關的運用，較著重商業應用相關領域，資料科學系則較重視在跨領域中的問題解決，專注於如何運用現有的工具以及計算方法來進行分析，並協助企業進行結果判讀進而解決問題。因此，資料科學課程包含資工的基礎程式設計訓練，再加入商業行銷應用、金融科技與社會科學等領域的分析應用。 |
與資管系/資工系異同：除資訊方面的訓練相同外，資工系多從事研發設計軟體與硬體工作；資管系則是著重商業應用，資科系則"AI+大數據" 缺一不可:重視數據處理分析的扎實訓練 (統計與數學訓練) 與人工智慧深度學習的訓練，運用現有工具以及計算方法進行分析，結果判讀進後解決問題。資科課程包含基礎程式設計訓練，再加入商業行銷應用、金融科科技與醫療科學等領域分析應用 |
| 生涯發展容易誤解之處 |
在這個人人都提「人工智慧與機器學習」的時代，具備有分析資料的能力，以及跨領域數據應用能力的人是極度缺乏的。資料科學乃是養成兼具資訊程式能力、資料分析與跨領域溝通能力的人才，不僅可以跟資訊工程師溝通無礙，對管理層面也能夠了解需求進而發現問題，研擬解決問題的流程，使得企業內部的資訊以及產業思維順利銜接。 |
本系的簡稱是 "資科系". 此名稱容易被誤讀為 "資訊系", 因此會被誤解為只是資訊領域的科系, 因此能從事的行業會被誤解. 實際上, 本系具備三面向的訓練: 數理內涵+資訊技能(AI與大數據)+實務應用, 因此能從事的行業非常寬廣(例如: 資訊, 金融, 品質管理/工程, 統計與數學專業人員). |
| 學習方法容易誤解之處 |
資工資管是培育IT人才，而資料科學是培育DT(Data Technology)人才。IT重視流程，反觀DT重視結果。在課程設計上，我們著重於在跨領域中問題解決，更專注於如何運用資訊科技工具以及程式設計提出解決方案並對結果進行判讀，協助企業解決問題與決策支援。 |
本系發展「資料科學/大數據」與「人工智慧」領域，易被誤解為「資訊科學」。本系綜合「資訊科學」及「數理」面向，進行數理與各種資料大數據處理的訓練，具備扎實的基礎，面對各種實務應用問題，有更好的適應性與解決問題的能力。而「資訊科學」學系或領域較偏向技術性/操作性，適應性較差，數據處理分析能力較不足。 |
| 補充提醒與說明 |
程式語言與資訊能力往往只是職場必備的條件，因此一開始我們著重培養資訊技術能力為主要目標。透過大一大二年級扎實的基礎工訓練後，大三大四時提供學生多樣性的領域發展如商業應用、金融科技、社會科學等課程培育，讓學生能從生硬的理論基礎與方法學中，懂得如何利用所學在實際接觸到企業個案，並了解不同領域的業者所面臨的困境，參與可行的解決方案，提升職場競爭力，並從中了解自我的興趣以及未來職場的方向。 |
大一的關鍵第一年，大二、大三提供基礎數據分析、撰寫程式及解釋分析結果「做中學」的能力，輔以多種領域證照(人工智慧AI、資料科學(大數據)、資訊技能、財金保險)及競賽訓練(如金象盃競賽)及大四的校外實習或畢業專題，培育同學增加研究所升學表現及職場競爭力，贏得就業先機(如: DevOps/SRE 人才(台積電大舉招募)。 |
|
東吳大學 資料科學系 |
靜宜大學 資料科學暨大數據分析與應用學系 |
|
|---|---|---|
| 核心課程地圖 |
|
|
| 專業選修課程 |
|
|
| 特色課程 |
多元學習場域，實作課程依據不同領域建立實驗室，提供學生多元學習場域並鍛鍊其基礎能力，更透過實際專案的執行，引動學生學習動機與興趣。特別是在「程式能力」的培育方面，課程設計含括：Python, Julia, R, SAS, Java, PHP, HTML5, SQL 
業界專家帶路，實戰力課程在課程中導入盛行於美國著名學府的Capstone Project，幫助學生統整與深化所學，讓學習更紮實，同時引導學生1.深入瞭解數據並協作解決數據問題，2.由數據找洞察，幫助企業做得更好，3.從這些洞察中找到正確的方向去建立行動以產產生資料價值，課程含括：人工智慧、機器學習、社群網絡等 
跨領域人才培育課程為縮短學用落差，針對資料科學廣泛應用的三大專業領域設計：商業應用、金融科技與社會科學學群選修課程，學生可以選擇一項專業選修學群課程或是探索不同領域專興趣；再配合產業實習專題，以實務與業界選才標準孕育新生代資料科學應用人才。 |
金融大數據分析這門課是屬於現在熱門的金融科技FinTech領域中 "智能金融理財服務" 面向, 授課內容涵蓋: (1) 熟悉R/Python 軟體金融工具 (2) 熟悉股票債券期貨金融商品 (3) 投資組合理論 (4) 藉著資料科學大數據分析以及人工智慧技巧撰寫金融商品投資策略. 實現程式自動交易. 圖解:以人工智慧進行金融商品自動程式交易 版權:靜宜大學資料科學暨大數據分析與應用學系 
深度學習應用這門課所教授的內容是熱門的人工智慧領域之基礎. 主題內容涵蓋: 利用人工智慧深度學習技能應用在影像處理(自動駕駛, 醫學影像判讀), 自然語言處理(聊天機器人, 翻譯機器人)... AI自動駕駛實作影片: 1.https://is.gd/x2c84c 2.https://is.gd/ZYek1u 圖解:人工智慧自動駕駛: AI 追蹤物體 版權:靜宜資科系 
資料探勘導論
資料探勘: 從大量資料(如網路)中提取有用資訊的科學。 圖解:社群網路分析之客戶分群促銷(異顏色) 版權:靜宜大學資料科學暨大數據分析與應用學系 
保險金融
1.從保險與金融理論知識引導實務應用 圖解:專業經理人蕭老師上課即景 版權:靜宜大學資料科學暨大數據分析與應用學系 
資料庫系統大數據時代已經來臨，任何組織都有資料，並建置資料庫系統加以儲存管理。有效的利用這些資料對於單位組織的運作與績效提升將有很大的幫助，因此管理與操作運用資料庫的相關技能就很重要。本課程讓同學瞭解資料庫系統之設計與實際操作應用，並輔導考取國際證照、提升就業競爭力(資料庫證照是許多職缺的必要條件)。 圖解:金融資料庫(期貨與股票)使用操作 版權:靜宜大學資料科學暨大數據分析與應用學系 |
|
東吳大學 資料科學系 |
靜宜大學 資料科學暨大數據分析與應用學系 |
|
|---|---|---|
| 適合從事工作 |
|
|
| 系友生涯 |
李昱萱巨資讓我最有感的是實作經驗豐富以及學院老師的用心。在巨資和老師有一起執行專案，能將所學應用到專案中，亦從中發現實作上的困難並且學習如何排除問題，老師對於學生的問題都是很樂於分享與討論。在選擇未來職場的方面盡可能不要限縮自己的選擇，其實每個工作領域都需要數據分析，重點是多培養自己多元的技能。 現在的產業需要的是多元的人才，因此在大學畢業後選擇了巨資研究所。現在數據分析是人人都必須要有的思維，不管你在哪個單位哪部門都需要這項技能。而巨資培養了我程式語言的邏輯思考以及尋找資源解決困難的能力，並且在實習以及專案的經驗中與社會接軌。現為資誠會計事務所程式開發工程師。 
王奕淳原本考上其他學校統研所，但考慮程式語言重要性而選擇巨資。在這裡可以為程式語言打下很好的基礎，巨資每個教授都身懷絕技，在各自領域中都是佼佼者，能接觸到各種產業不同的大數據分析應用，進而讓自己能學習到產業都如何使用數據去做分析的。 現任職於永豐銀行數位分析部。 
Willy Lin原本是幾乎沒有程式基礎的文科人，進入資科學習相關知識與工具應用，也透過實習培養實務經驗，讓我能順利往資料分析領域發展。在這個資料至上的時代，有資料就是佔盡優勢，但是若是不會對資料做適當的處理及分析那就太可惜了。巨資透過專業的課程以及實習的機會讓我在過程中收穫極多，讓我可以順利的與社會接軌。 現任職於運達航運股份有限公司。 |
屠嘉嵐學習經驗: 屠嘉嵐系友畢業後考取交通大學「數據科學與工程研究所」,非常傑出.在學時表現優異，學習面向涉略廣泛,曾進入多家企業進行與數據分析及建模相關的企業實習，將所學的技能用於實務問題之上。屠同學修習許多與資料科學及人工智慧相關的課程，非常有心的培養自我的技能實力，也有獲得多張相關的證照。 目前就讀交通大學「數據科學與工程研究所」 
邢晏純學習經驗: 邢晏純系友畢業後考取「台北醫學大學大數據科技及管理研究所」,在學4年學習態度優異，曾獲台中市模範生。系上課程規劃使學生奠定了統計及其相關應用之基礎，不論是資料科學、程式邏輯及資料庫運用方面，讓學生與實務領域接軌，不管是升學或就業都十分容易。 職業經驗: 就讀「台北醫學大學大數據科技及管理研究所」, 研究關於自然語言處理, 例如情緒分析、聊天機器人之應用，在指導教授帶領之下，曾於碩二前將研究投稿於自然語言相關之國際會議(ICCLNLP)及台灣所舉辦的人工智慧會議(TAAI)，都獲得發表的機會。 
戴添智學習經驗: 1. 學習過程首先著重了解，再輔以不斷練習！我喜歡寫程式，自我訓練！大學時修習許多與資訊相關技能的課程, 好好裝備自己. 2. 「做中學，自我訓練」是非常重要的學習過程。遇到困難，上網找資料，尋求支援是非常重要的訓練！ 職業經驗: 1. 目前在資訊產業擔任主管職務,累積多年的實作經驗，已能獨當一面完成千萬元的專案計畫！ 2. 升遷快速，年薪非常高！ 
溫淑惠學習經驗: 系上提供學程的修習，讓我更有系統性的修課。每當課業上遇到困難時，系上有提供諮詢中心的諮詢，同樣地，老師也有office hours，並有耐心的引導我去解決各種學習上的疑難雜症。 職業經驗: 任職於「中國砂輪企業股份有限公司」品保工程師，大學時,透過系上品質管理與統計方面的專業訓練，工作中能充分地來應付. 由於在理論與實務上的良好訓練, 對於工作實務上遇到的種種情況，容易去理解為什麼要這麼做，判斷何時可以這麼做，而不是僅接收別人叫你怎麼做，即使目前工作中並不會用到很艱深的統計難題。 
鐘智瑋學習經驗: 大學時期是人生的黃金學習階段，認真讀書認真玩，盡可能地把握這段寶貴時光，找到自己有興趣的專業，認真培養自己的廣度和深度，尤其是你的外語能力和思考能力。 職業經驗: 任職於「中國醫藥大學大數據研究中心」. 這工作是我能夠發揮能力的地方，最重要的是找到自己的興趣所在和個人價值，把握大學時期所學到的專業知識、表達能力及做人處事，其餘的等工作時再學習，但要不斷思考如何才能做得更好，試著培養出屬於自己的品牌。 |
|
東吳大學 資料科學系 |
靜宜大學 資料科學暨大數據分析與應用學系 |
|
|---|---|---|
多元能力 |
敏銳創造：能覺察特定事件與觀念、理論之間的差異，且能對事物進行拆解、組合、重新詮釋，呈現新穎之處。
15%
快速知覺與總結：能從散落的資訊中，快速分辨與覺察具有意義的訊息，且能歸納出要點、關聯、架構等概念。
15%
問題解決：分析並預判問題的成因與後果，設想出合適的解決方法及使用的工具。
15%
運作分析：分析特定需求並規劃合適的運作流程，運用技術調整、組裝、設定設備，讓設備及系統正常運作。
10%
程式設計：了解程式語法以及邏輯架構，撰寫、修改程式，開發並設計系統。
10%
數理科學：能選擇適當的科學、數理知識或邏輯來思考問題，依據科學規律正確地推演出答案或排列資訊。
10%
記憶詮釋：能識別、儲存、喚起多項資訊、數字、知識內容，且能以多種方式組合這些訊息間的差異與關聯。
5%
邏輯推理：能捕捉事物運作的規律或關聯性，歸納或是推演不同事物的差異或因果關係，並得到特定理解。
5%
批判思考：運用不同觀點對問題進行理性分析，對問題的解決方法或結論，評估出優缺點、支持、反對的意見。
5%
主動學習：積極尋求新資訊用以掌握問題的前因、後果以及預期影響，並依據各環節選擇適合的學習行為。
5%
語文理解與表達：能透過語文理解他人想法形成特定概念，且能說明特定想法或因果關係。
5%
|
程式設計：了解程式語法以及邏輯架構，撰寫、修改程式，開發並設計系統。
30%
數理科學：能選擇適當的科學、數理知識或邏輯來思考問題，依據科學規律正確地推演出答案或排列資訊。
20%
快速知覺與總結：能從散落的資訊中，快速分辨與覺察具有意義的訊息，且能歸納出要點、關聯、架構等概念。
10%
邏輯推理：能捕捉事物運作的規律或關聯性，歸納或是推演不同事物的差異或因果關係，並得到特定理解。
10%
批判思考：運用不同觀點對問題進行理性分析，對問題的解決方法或結論，評估出優缺點、支持、反對的意見。
5%
主動學習：積極尋求新資訊用以掌握問題的前因、後果以及預期影響，並依據各環節選擇適合的學習行為。
5%
問題解決：分析並預判問題的成因與後果，設想出合適的解決方法及使用的工具。
5%
記憶詮釋：能識別、儲存、喚起多項資訊、數字、知識內容，且能以多種方式組合這些訊息間的差異與關聯。
5%
語文理解與表達：能透過語文理解他人想法形成特定概念，且能說明特定想法或因果關係。
5%
敏銳創造：能覺察特定事件與觀念、理論之間的差異，且能對事物進行拆解、組合、重新詮釋，呈現新穎之處。
5%
|
性格特質 |
變通開創：常常對多種事物，表達熱情興趣，對於既有事物，進行拆解、重組，給予新的理解與觀點，並且喜愛創造出令人意想不到的新事物。
30%
主動積極：常常主動提出特定見解，樂於付出活力與熱情投入特定問題、活動，引領他人的行動。
25%
開朗活潑：總是正向樂觀的看待事物的發展，即使事件發展不如預期，也能保持接納、能看見正向價值，常常表現自在、不膽怯。
20%
合作互助：總是願意優先關照、包容他人的需求，在不同意見中尋求最大的合作可能，優先尋求團體的共同價值，信任團體成員的指引。
15%
深思力行：常常追求事物的條理秩序，審慎確認事物的彼此關係，行事仔細考量後果。
10%
|
堅毅負責：常常長時間專注投入於特定事物，排除干擾訊息，會對所承諾的事物，會負起責任目標、執行到底，享受追求成就。
30%
探究冒險：常常樂於探索未知事物、能夠容忍陌生情境，樂於把困難視為一種挑戰，在探索、挑戰未知中偏好看見自己的成長。
30%
樂群敬業：總是表現活潑、傳遞熱情，主動參與活動，熱衷於與夥伴一同完成任務。
15%
自信肯定：總是相信自己能達成目標，會肯定自身的優勢、長處，面對挫敗能較好的調整情緒。
15%
合作互助：總是願意優先關照、包容他人的需求，在不同意見中尋求最大的合作可能，優先尋求團體的共同價值，信任團體成員的指引。
10%
|
