|
東吳大學 資料科學系 |
輔仁大學 統計資訊學系 |
|
|---|---|---|
| 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 |
| 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。 |
在「做中學」及「全人教育」的理念下，本系教學特色為「由生活中領會統計」，研究著重為「將理論轉化實踐於實務」，在服務上則強化「與產業之產學合作互動」，在輔導上強調「品德教育及生活輔導」。 |
| 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。 |
統計資訊系主要著眼於統計與資訊兩個領域相關科目的學習與整合，讓學生具備由資料庫、網路、及抽樣調查等方式獲取資料並擷取訊息的能力；從而能與資料科學及大數據等領域接軌。 |
| 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。 |
1. 數據分析實務：運用Python, R, SAS, SPSS, SQL 等資料分析相關軟體，實際進行資訊擷取所需的相關步驟，包括資料的收集與管理、資料探索與視覺化、統計建模或機器學習分析等。 
2. 資料分析理論：了解數據分析之相關理論依據及基本概念，包括統計學、微積分、迴歸分析及實驗設計與分析等。 
3. 專題實作：在與指導老師討論後，選擇主題，運用所學來解決相關問題，透過專題發表，展現成果。 |
| 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。 |
建議同學可以精進與資料科學相關的課程，如高中數學或資訊科技等課程。 |
| 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。 |
統計資訊系統合了分析資料所需的統計及資訊領域相關知識，讓資訊擷取能更實務。 |
| 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。 |
精算師為本系相關之出路，但本系不全然為培育精算師而設計，有意考取精算師的學生需自行修習其他課程以補不足。 |
| 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。 |
本系為輔仁大學管理學院下之一系所，與其他理工學院之統計系除了在課程結合資訊科目之外，還包括了一般商管所需之基本知識，如會計學、經濟學及管理學等。 |
| 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。 |
目前報章雜誌常提及的大數據或人工智慧等領域，因內容涵蓋範圍廣大，非任一系所可全面包括，但本系統合統計及資訊，學生會修習相當多相關的課程，為大數據或人工智慧的重要相關科系。 |
| 學系聯絡方式 |
電話：(02)28819471分機5935 信箱：bigdata2@gm.scu.edu.tw |
電話：(02)29052606 信箱：stat@mail.fju.edu.tw |
|
東吳大學 資料科學系 |
輔仁大學 統計資訊學系 |
|
|---|---|---|
| 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。 |
暫無圖片 資料採礦資料採礦為一門將一些新興的資料訊息擷取方法做介紹的課程。包括了決策樹，類神經網路，及關聯法則等近來功能卓越且被廣泛應用的方法。 暫無圖片 資料探索與資訊視覺化由於資料來源日益眾多，資料量及複雜性增加，資料探索及資訊視覺化介紹如何將獲得的資料進行整理，資料基本資訊的探索，並把這些資料的訊息以圖形，搭配各式顏色，標記，圖層等技巧加以呈現。 暫無圖片 專題研究專題研究為針對一議題，由指導老師帶領一組學生，運用在統資系的所學，以一年的時間實際進行議題相關的討論，研擬解決方法，將整個結果以小論文的方式呈現，並公關發表。為將大學所學加以整合應用的重要特色課程。 |
|
東吳大學 資料科學系 |
輔仁大學 統計資訊學系 |
|
|---|---|---|
| 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。 |
暫無圖片
饒志堅內政部統計處處長 內政部統計處處長 暫無圖片
龔明鑫經濟部次長 經濟部次長 暫無圖片
吳大松花王股份有限公司總經理 花王股份有限公司總經理 暫無圖片
陳玉英科技部統計學門召集人 科技部統計學門召集人 暫無圖片
郭哲佑鮮乳坊創辦人 鮮乳坊創辦人 |
|
東吳大學 資料科學系 |
輔仁大學 統計資訊學系 |
|
|---|---|---|
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。
15%
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。
15%
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。
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。
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%
自省促進：收集、評估自己或他人的表現，提出可改善及調整的方法或採取行動。
5%
社會覺察與合作：覺察並理解他人的感受或想法，並調整自己的做法，配合他人來完成任務。
5%
說服協商：提出觀點與他人商議或說服他人同意，以積極的態度引導他人，達成共識、目標，或解決困難。
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%
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%
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%
|
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%
|
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%
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。
20%
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。
20%
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。
20%
|
