| 我的學系 |
東吳大學 資料科學系 |
國立臺北大學 統計學系 |
|---|---|---|
| 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 |
三峽校區 23741新北市三峽區大學路151號 |
| 學系特色 |
東吳大學首創「巨量資料管理學院」，並設立「資料科學系」，培育兼具科技與應用能力的跨領域人才。課程結合人工智慧、機器學習、資料分析、統計、管理與行銷等領域，強調專題實作與企業實習，培養學生解決真實問題的能力。本系更與NVIDIA合作成立「智慧創新AI學習中心」，導入NVIDIA認證課程與最新AI技術，提供國際級學習資源與實作環境，讓學生在學期間就能與產業接軌，成為具創新思維與數據決策力的未來人才。 |
統計學是理論與應用科學的基石。本系擁有全國最完整的師資與課程設計，旨在培養學生的資料分析技能，並致力於培育能夠將統計應用於各領域的專業人才。我們提供多元化的專業學程，包括醫學統計、財務統計、商業統計與統計計算，為畢業生開拓多元及專業的升學和就業機會。本系相關影片，請連結至網址:https://www.youtube.com/@stat-ntpu。 |
| 學科意涵 |
「資料科學」是一門結合數學、統計與電腦科學的跨領域學科，目的是從大量資料中發現有用的資訊與洞見。在這個領域工作的人，既需要具備模型理解與分析的概念能力，也要有處理與應用真實資料的實作能力。透過學術與產業的結合，資料科學能應用於生活中的各種場景，如影音推薦系統、語音助理Siri、智慧客服等，都是資料科學的成果。 |
統計是量化資料主要工具之一，藉由統計可將大量數據進行系統性歸納與分析，化簡成簡單可以代表大量數據的量，並經由圖與表呈現出數據所隱含的意涵，藉以提供產業行銷、預測與品管等政策制定。 |
| 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。 |
課堂講授(含電腦上機) 
安排專題研討（邀請人員有專家學者,業界及畢業系友） 
提供學生課業輔導 
延聘傑出系友擔任學生之企業生涯規劃導師 
製作畢業專題 |
| 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。 |
建議同學訓練撰寫與口頭報告的能力，因本系課程會規劃實務資料分析與口頭報告，並要求所有畢業生需完成分組統計專業報告，故以上能力的培養格外重要，另外，程式設計及撰寫訓練，建議可以先行自學或上網涉獵。 |
| 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。 |
統計系為量化資料的方法，為分析多元資料型態，需使用數學與電腦，方可理解整合資料的模式，與處理大量資料，雖隸屬商學院，與一般商學著重企業行銷、管理等質性學科探討非常不同，但所學的工具，卻是商學重要的量化基礎。 |
| 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。 |
統計為數據分析的工具，善用統計可協助產業建立品管制度、規劃行銷策略、預測財務投資等，現階段工業 4.0，數據科學與人工智慧都須仰賴大量數據分析，就讀統計系會明確知道統計模型建置原理與了解分析結果的是切性。 |
| 學習方法容易誤解之處 |
東吳大學資料科學系結合理論與實務，重視數理統計、程式設計與人工智慧的整合應用。許多高中生誤以為只需寫程式或操作 AI 工具，但實際上，學生必須具備資料思維與跨域分析能力。課程採問題與專案導向學習，強調實作與團隊合作，從資料處理到分析、視覺化與決策皆需親自參與，培養能以數據解決真實問題的能力。 |
因隸屬商學院，統計系與商學有相關，但相關僅在統計為商學資料基本量化工具，要正確使用量化工具，需仰賴專業統計模型建置與程式撰寫，因此學生須具備良好數學基礎，課程幾乎使用原文書，學生需有閱讀英文的能力。 |
| 學習資源或補充說明 |
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功訓練後，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。 |
課程涵蓋數理統計、資料科學、機器學習、品質管理、金融與生醫統計等領域，並結合R、SAS、Python等統計程式語言之訓練。為鼓勵學生將理論應用於實務，本系設有專題研究課程，並與企業及政府機關保持密切合作，提供多元的學習與實踐機會。畢業生除可繼續攻讀國內外研究所外，亦廣泛活躍於金融保險、科技、顧問、生醫及公部門等領域，展現優異的專業素養與職場競爭力。請參考本系系網頁(https://www.stat.ntpu.edu.tw/)。 |
| 我的學系 |
東吳大學 資料科學系 |
國立臺北大學 統計學系 |
|---|---|---|
| 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。 |
淺度機器學習淺度機器學習(Shallow Machine Learning)是進入深度學習與AI產業的基礎，也是結合程式寫作與統計理論最好的開端。本課程理論與實務並重，研習與機器學習相關的統計理論與方法，並實際利用程式寫作實現機器（電腦）如何學習。 
巨量資料分析巨量資料分析(Big Data Analysis)為從巨量資料中挖掘潛在有用知識的過程，產出全面且易懂之分析結果以解釋現象與提供決策輔助。本課程探討巨量資料分析中常用方法的理論與應用，包含迴歸預測、分類預測、異常分析、群集分析、關聯分析等方法。 
Python程式設計Python程式語言是一個很特殊的電腦語言，它是一個正統的程式語言，可以朝向網頁程式開發，它也是一個資料科學必備的程式語言，擁有大量免費的模組與資源，可以實作統計分析、人工智慧與機器學習，以及許多深度學習框架支援的語言之一。本課程的設計目標分為三部份，第一就是建立學生基本的程式撰寫能力，第二就是建立 
金融科技與創新研討金融科技(FinTech)乃因結合了傳統金融 (Finance) 與現代科技 (Technology)而產生，是指透過科技帶來的創新模式為金融服務領域提供解決方案，使得全球資金運作模式重新解構。 |
| 完整課程地圖 |
| 我的學系 |
東吳大學 資料科學系 |
國立臺北大學 統計學系 |
|---|---|---|
| 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。 |
葉明星國立中興大學（現台北大學）統計學系畢業 現任臺中關關務長,民國66年進入海關服務,逾40年關務生涯中,曾服務於關政司、關務署、基隆關、臺北關和臺中關,對查緝、徵稅等核心業務十分熟稔,其行政歷練豐富、資歷完整,工作表現極為優異,深獲同仁愛戴及各級長官肯定。並於107年7月接任臺中關關務長,提出”加強查緝走私”及”廉能、安全、便捷、服務”二大願景。 
黃宗仁國立中興大學（現台北大學）統計學系畢業 城市綠洲股份有限公司負責人,其成立自1991年,從新竹城隍廟旁十七坪大的店面起,堅持著專業及服務的理念,努力不懈,至今歷時二十餘年,現公司規模已有18個營業據點、團隊人數近200人,為全台最大、最專業之戶外休閒及單車用品連鎖專賣店。 
廖進益高中就讀於師大附中，原為理工組的班級，重考轉為商學組，考上國立中興大學（現台北大學）統計學系，歷經選組不符興趣的轉折，沒想到仍轉到和理工相關的統計系，誤打誤撞之下，仍得以順利畢業，也開啟了和統計學科密不可分就職生涯。 72年畢業，及74年退伍後，苦於當年就職不易下，考上公務人員特考，歷經短暫的公務人員生涯，對公務人員的單調及無趣之下，選擇離開，投入統一集團的旗下，現職為統一精工總經理(101-迄今)。經歷為統一精工副總經理(99-100);統一超商發展加盟部長(98-99);統一超商桃竹區營運部長(94-98);統一超商發展加盟部長(89-93);統一超商發展加盟企劃經理(82-88)。 
陳君厚1980年進入國立中興大學(現 國立台北大學)法商學院統計學系，於1984畢業獲得商學學士學位．1987年進入美國加州大學洛杉磯校區(UCLA: University of California, Los Angeles)數學系統計組，於1990年獲得碩士學位、1992年獲得博士學位． 服役陸軍警備兵(1984~1986),之後進入台灣廣告公司(1986~1987)。於(1992~1993)擔任喬治華盛頓大學、統計/電腦與資訊系統系助理教授。現職為中央研究院秘書長及副祕書長，中央研究院統計科學研究所研究員。曾任國際統計學會理事(2015-2019);國際統計計算學會亞洲分會會長(2013-2015);中華機率統計學會理事長(2013-2016)。 
高端訓中興大學法商學院（現 台北大學）統計系轉企管系畢業;國立臺北大學企業管理博士;加州大學爾灣分校(第一屆大數據預測科學學程) 現職為： 大數據熱品牌創新中心 創辦人; 李奧貝納大數據品牌 首席顧問; 商業總會品牌加速中心 品牌長； 政治大學企管系兼任教授； 台北大學EMBA兼任教授。 經歷為： 奧美集團擔任業務企劃總監(12年); 王品集團擔任品牌總經理(12年)。 |
我的學系 |
東吳大學 資料科學系 |
國立臺北大學 統計學系 |
|---|---|---|
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%
|
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。
25%
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。
20%
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。
20%
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。
15%
專注力：投入心力在特定訊息及排除外部干擾。
10%
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。
10%
|
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%
|
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。
25%
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。
20%
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。
20%
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。
20%
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。
15%
|
