課程介紹 - 必修、選修課程大綱
112學年度
姓名 | 研究所榜單 |
認識資料科學 | 實作小專題、優秀系友生涯發展分享、業界實務演說與定向產業參訪等。旨在訓練學生觀察社會、構思問題、提出方案之基礎實作能力,並引導學生孕育專長培養貢獻社會的使命感。 |
金融市場 | 經由本課程的學習,加強學生金融市場的理論與實務,瞭解國際金融概況,讓學生了解金融市場的運作與金融工具的應用,以作為進入社會的準備工作。 |
線性代數 | 現今許多的科學和工程問題,在求解的過程中需解決某些線性問題。本課程的目的在學習解決這些線性問題所須的概念與工具。 課程內容包含:求解線性方程式、向量與矩陣、正交化、特徵值與特徵向量等。 |
經濟學(一) | 本課程介紹經濟學的基礎概念,學習各種經濟模型,以個體經濟學為主,分析討論消費者、廠商在市場中如何做決策以及彼此間的互動關係。 |
微積分(一) | 討論各種函數及其性質,介紹極限的概念。進而引導出連續、微分以及積分等觀念,以及微分在科學上的應用。課程內容包括極限、連續、微分及其應用、微積分基本定理與積分等。 |
微積分(二) | 本課程為微積分(一)的延續課程,主要內容為:積分的技巧、積分的應用、數列與級數的收斂理論、向量分析的基本知識,以及多變數函數的微分與積分。 |
資訊能力 | 介紹計算機的基本素養,探討電腦的硬體、軟體與其相關的應用等。期使同學能夠了解電腦基本知識,學習運用套裝軟體等技能。 |
應用線性代數 | 本課程介紹線性代數在統計。資料分析、機器學習上的應用。本課程著重在討論統計與資料分析中知名的方法,以及線性代數所扮演的腳色。 |
國際化溝通 | 本門課旨在提升修課學生英文程度,增進國際溝通能力。 |
經濟學(二) | 本課程介紹經濟學的基礎概念,學習各種經濟模型,以總體經濟學為主,分析討論物價膨脹、失業與經濟成長等整體經濟現象。 |
資料分析軟體簡介 | 我們將在本課程中介紹 Python 程式語言,這是一個最常被使用於資料科學領域中的電腦程式語言。我們也將介紹 Numpy、 Matplotlib 與 Pandas等常用於解決資料科學應用問題的函式庫。 |
基礎數學(一) | 本課程主要的目的是加強學生的數學能力,使其能與大一微積分銜接。其授課內容涵蓋微積分的預備知識, 包括: 1.集合基本概念。 2.函數基本概念。 3.實數系基本概念。 4.方程式。 5.不等式。 6.平面座標系。 7.多項式。 8.指數與對數。 9.三角函數。 10.數列與級數。 11.極限的概念。 |
基礎數學(二) | 本課程是為無法修微積分(二)的學生開設之微積分補救課程。其目的在引導學生順利完成微積分(一)的課程。 其授課內容涵蓋: 1.集合與函數。 2.極限與連續。 3.微分。 4.微分的應用。 5.微積分基本定理。 |
多媒體網頁設計 | 從基礎學起,設計屬於自己、有個人風格的多媒體網頁。 |
機率論 | 課程將使學習者充分了解幾種特殊分配之間的關係,如離散分配中的伯努利分配,二項分配,幾何分配,負二項分配等的定義及他們的關係。課程中也讓學習者能了解連續分配中的一些分配,如指數分配,伽瑪分配的定義及關係,最後能了解到常態分配並知中央極限定理的意義與如何運用它。 |
資料科學導論 | 本門課介紹資料科學的基本概念,以及資料科學與資料分析、資料探勘、機器學習、大數據等系列課程的相關知識。本門課將會搭配電腦實作,引導學生學習必要的方法與工具來探索、分析並運用資料。 |
物件導向程式設計 | 本課程會簡單回顧程序性程式設計、比較程序程式與物件導向式程式設計的差異,之後將介紹幾個常見且常用的類別(class),包括complex,integer,array string,shape,rational等,讓學生能熟悉物件的概念。 其他的主題包括繼承(inheritance,base class,derived class或super class subclass)、多型(polymorphism virtual function)、樣版(templates)及例外處理(Exceptional Handling),我們也會介紹簡單的資料結構。 本課程會使用C++或Java語言,目前是以C++語言授課。 |
統計學 | 課程將介紹估計與檢定的觀念與應用。在估計方面使學習者能了解估計的意義及使用方式,因而在此課程中將介紹幾種估計法讓學習者更能體會其意義;對於檢定方面使學習者能了解其精神,並配合實例以電腦做為輔助教學,使學者能完全瞭解統計所為何事,在現實生活環境中如何應用統計來幫助我們解決一些問題。 |
金融科技導論 | 課程主要介紹金融科技之發展趨勢,帶領學生瞭解網路雲端技術、行動支付及物聯網等新興科技對金融服務模式之影響,掌握金融科技營造之機會與挑戰。 |
投資學 | 本課程之目的是為了使學生熟悉投資之理論及實務,進而學習衍生性金融商品、利率與債券市場。課程內容包括現金流量、投資組合理論、Markowitz模型、資本資產定價理論(CAPM)、無套利定理、無風險定價理論、衍生性商品簡介。 |
資料結構與演算法 | 使學生了解資料結構基本的概念與知識,包含: 陣列,堆疊與佇列,鏈結串列,樹,圖形與排序;結合演算法應用於程式設計。 |
財務管理 | 討論公司的財務管理決策之基本之觀念及理論。主要之授課內容為: 1.如何用財務分析做公司績效評比 2.投資理論 3.資產結構 4.投資組合分析及證券估價 5.資產管理 |
數學規劃 | 以微積分與線性代數為基礎來解決線性最佳化應用問題 |
財務計算軟體 | 課程介紹 EXCEL、VBA 及 Python 在財務工程上的應用。為了未來使用及取得的方便性、普遍性,我們利用 Excel 及 VBA 作為財務計算的主要工具。課程首先對 Excel 做一個基本的介紹,讓學生能順利的操作這個軟體,然後我們引導大家將 Excel 應用於財務報表介面製作、投資組合理論分析等主題。 「財務計算軟體」採取數位教學,部份課程將以線上同步及非同步教學方式進行: 1. 在線上非同步教學中,學員進入教學資源平台觀看網路上預先準備之數位教材,並與教師及其他學生進行學習互動。 2. 每周針對當周進度均有議題討論,同學可在平台上討論互動。 3. 學生學習互動、議題討論參與情形均列入成績評定。 4. 每周配合當周進度均有作業練習,同學須按時繳交作業。 5. 學期中不定時舉行線上測驗,線上測驗必需於固定時間完成並提交。 |
程式設計(R) | 在本課程中,將學習如何在R中進行程式設計以及如何安裝和配置R開發環境所必需的軟體。 |
網路程式設計 | 從基礎 HTML 學起 + CSS + JavaScript + Dreamweaver + Photoshop + Visual Studio,學習客戶端/伺服器端技術,設計屬於自己、有個人風格的網頁。 |
資料庫系統 | 本課程介紹資料庫系統,主要的重點在網路資料庫,學生將於本課程中學習到 SQL 語法與 SQL 資料庫。 |
矩陣計算 | 本課程將教授有關矩陣計算及其應用。 在本課程中,將學習解決線性方程和計算特徵值問題,矩陣分解,最小平方法,線性系統的疊代方法和特徵值問題等。本課程將有助於學習機器學習和深度學習。 |
深度學習 | 人工智慧是能讓事物變更聰明的科技,是讓機器展現人類的智慧;當前的一個熱門方向是機器學習。機器學習是仿照人類大腦工作的方式,讓電腦進行計算,學習到類似於大腦的工作方式。具體做法是透過從過往的資料和經驗中學習並找到其運行規則,最後達到人工智慧的方法。而深度學習則是實現機器學習的一種技術,是一種以人工神經網路為架構,對資料進行表徵學習的演算法。目前被看作是通向真正人工智慧的重要一步。 |
專題製作 | 本課程係由老師指導修課學生,將基礎理論應用在實際問題上,並嘗試尋求解決的方法,藉此將基礎理論與實作方法結合,目的在透過實務整合之過程,加強學生理論與實務兼具的能力。 |
離散數學 | 離散數學的探討對象是元素個數有限的離散系統。在今日,電腦已成為許多人不可或缺的工具,同時有更多的人感覺到對電腦的迫切需求,再加上數位化的概念也逐漸普遍,這一切都反映了一件事情:就是與他們息息相關的理論基礎- 離散數學這一門學問越來越重要。 本門課的主要授課內容順序目前採用: 1. 排列與組合 2. 母函數與遞迴函數 3. 容斥原理和鴿巢原理 4. 波里亞計數方法 5. 區組設計與編碼 6. 線性規劃 建議先修科目:數學基礎、線性代數、抽象代數。 |
機器學習與資料分析 | 本課程包含了資料科學與機器學習的理論、實作與應用,學生將於本課程中學習如何運用資料科學與機器學習的分析方法,透過實際分析資料的方式學習實作及應用。 |
數值方法 | 本課程的目的在於學習以各種數值計算方法來逼近或求解一些無法簡易的以相關之數學理論來求解的問題。課程內容將包含下列各項:誤差分析,函數求逼近解,內插法,數值微分與積分,常微分方程式的初期值問題與邊界值問題,線性方程組求解,矩陣運算.......等。欲修課學生應已完成微積分與線性代數課程並能使用至少一種高階電腦語言。 |
計量方法 | 介紹一般財務金融領域上常用的計量方法及概念,利用python建立實際資料分析能力。 |
專業證照專題 | 本課程之目標,旨在培養學生系統性且實務性的金融知識,同時透過模擬各金融證照試題,以教學和測驗相輔相成,協助同學順利取得金融專業證照。 |
衍生性金融商品 | 介紹以無套利理論為基礎之衍生性商品。內容包括: 1. 套利理論,風險中立評價 2. 對數常態假設,二項式樹狀 3. Black-Scholes公式及其應用 4. Black-Scholes偏微分方程 5. 美式選擇權、利率模型、利率交換、利率重設、交換選擇權…等 |
隨機過程 | 介紹各式隨機過程模型,並應用在資訊、財務、與機器學習模型。 |
迴歸分析 | 迴歸分析試圖尋找出自變數與應變數間的數量化關係及根據已知的自變數來預測因變數。課程內容主要為:簡單迴歸、複迴歸、多項式迴歸及主成份分析。 課程設計以例題演練,實際資料分析為主,並配合程式語言python。學生除習得實際資料分析技巧外,更可學得一些原理,以加強基本觀念。 |
代數編碼學 | 代數編碼學這一門課程的主要目標是要介紹編碼的基本概念和實際作法,課程的特點是在學習的每一階段都與電腦實作有密切的配合。課程的進行方式如下: 1. 對編碼所需的數學背景知識作一個簡單的介紹 2. 接著介紹最基本的線性碼以及編碼的偵錯、糾錯觀念 3. 以漢明碼和葛雷碼的例子來熟悉線性碼 4. 介紹用比較複雜數學結構的循環碼(目前應用最廣泛的一些碼大多是循環碼,如用在 CD 和 NASA 的“旅行者號”的 Reed-Solomon 碼) 5. 介紹能糾正任意個錯誤的 BCH 碼 |
資訊專題 | 本課程主要由老師引導修課學生,探討與資訊科學有關的議題,目的在引導學生掌握並吸收資訊新知,協助學生開拓國際宏觀視野,培育理論與實務並重的資訊科技人才。 |
時間序列 | 瞭解時間序列資料建模之理論與如何應用。 |
資料視覺化 | 資料視覺化以圖形來呈現資料。我們將在本課程中介紹 Python 中的兩個資料視覺化函式庫,也就是 Matplotlib 與 Seaborn。學生將學習使用這些資料視覺化工具來探詢資料的趨勢與模式。 |
金融大數據與商業智慧 | 簡介大數據與商業智慧的基本概念,以及數據分析在企業的應用。 |
大數據分析與應用 | 這是大數據概念及其應用的入門課程。 學生將學習相關的知識,技能,並將運用所學的技術實踐分析和處理大量數據。 學生將探索可從網路獲得的不同數據集,並依個別的興趣設計和構建大數據應用專案。 |
多變量資料分析 | 本課程主要介紹多元統計分析方法,用於分析高維度資料,探討資料之間的關聯性、資料的結構,以及資料的特徵。 |
程式交易 | 課程主要介紹程式交易的觀念與基本知識,讓學生瞭解如何透過交易平台下單進行金融商品交易,培養學生成為同時具備金融跟資訊科技處理能力的人才。 |
服務與知識實踐 | 本課程主要目標在於教導同學實踐校內所學,透過校外服務與實踐,使學生建立正面的從業態度與工作倫理觀念,增進職場軟實力,有效提升畢業就業競爭力。 |
JAVA程式設計 | 本課程主要介紹 Java 的基本程式語法。 從最基礎物件導向觀念開始,到網路完全應用,進而融入程式設計之最新主流。 |
數論及密碼學 | 一如課程名稱所示,本課程將介紹數論與密碼學。主要授課內容為傳統理論數學中的數論在密碼學中的應用。 |
固定收益證券 | 本課程主要目標在於讓同學了解債券市場與債券商品。從基本的債券發行、交易、信用評等制度,進而了解理律風險衡量與利率曲線估計。最後能積極的應用在債券操作策略及債券商品的設計。 |
AI+機器學習 | 本課程包含了人工智慧與機器學習的理論、實作與應用,學生將於本課程中學習何謂人工智慧,並運用人工智慧發展出的機器學習分析方法,透過分析實務資料的方式學習實作及應用。 |
大數據分析專題 | 本門課介紹資料科學與資料分析、資料探勘、機器學習、大數據系列課程的相關知識。本門課將以分組實作,引導學生學習必要的方法與工具來探索、分析並運用資料。 |
機器學習專題 | 課程將介紹機器學習所需要的數學、統計和相關演算法的理論基礎,並討論機器學習在圖像識別、醫療診斷、財務操作、以及其他主題的應用。 |
職能與倫理 | 本課程主要目標在於透過動機、行為與知識等職能之培養,教導學生建立正面的從業態度與工作倫理觀念,增進職場軟實力,有效提升畢業就業競爭力。 |
計算機程式 | 本課程延續計算機概論的內容,重點在於讓同學熟悉高階電腦語言的程式設計,這是同學的第一個程式設計課程,以C語言的教授為主,範圍包括基本的輸人輸出,流程控制、迴圈、函數、陣列、指標、自訂的資料型態、字串的運用、位元運算、檔案的輸入輸出及基本的資料結構。 同學必須完成數個程式的設計,同時學習編譯及除錯的軟體,目前所利用的軟體工具是 ms Visual C++。 |
會計學 | 讓同學暸解會計基本概念及學會財務報表的解讀與編製。 |
數學軟體簡介 | 介紹MAXIMA和其他相關等數學軟體以提供學生未來數學相關課程之應用。 |
高等微積分 | 高等微積分是微積分的後續課程,強調抽象概念,目的在培養學生數學分析能力及證明技巧。修完此系列課程後,應該對數列、極限、連續函數、收斂、多變數函數、微分、黎曼積分等觀念有較深入的了解,並為複變函數論、測度論、實分析、泛函分析等後續學程奠定良好基礎。此外,高等微積分可應用於一些其它學門上,例如幾何學,微分方程及積分方程.......等。高等微積分對數學系而言是一門重要的基本應用課程。 |
多媒體設計 | 從基礎學起,設計屬於自己、有個人風格的多媒體網頁。 |
機率學 | 使學習者能了解排列及組合的差別,且可加以靈活運用。進而利用排列及組合的基本認知,了解各種分配的意義。在此一學期的課程中,將使學習者充分了解幾種特殊分配之間的關係,如離散分配中的伯努利分配,二項分配,幾何分配,負二項分配等的定義及他們的關係。課程中也讓學習者能了解連續分配中的一些分配,如指數分配,伽瑪分配的定義及關係,最後能了解到常態分配並知中央極限定理的意義與如何運用它。 |
微分方程 | 在修完微積分後,我們可由微分方程上看到微積分的應用。本課程是微分方程系列課程的第一部份,首先我們介紹如何將自然科學中的問題轉換為微分方程,那麼只要能解這個微分方程式就相當於解決了原來自然科學的問題,所以我們必須知道如何去解微分方程式。由本課程我們可學一階微分方程、高階線性微分方程式、實係數線性微分方程、線性微分方程系、電工學上的應用、Laplace變換、偏微分方程簡介。 |
代數學 | 抽象代數的基本內容為群、環、體等代數結構,進入數位資訊的時代後,抽象代數有了最直接的應用,舉凡編碼、密碼都必須建立代數理論之上,因此代數學在應用上成為非常重要的一門課。 本門課的目標希望學生修過之後能對代數結構有基本的認識,也對於它在編碼、密碼方面的應用有個初步的認識。 |
演算法 | 使學生了解演算法應有的概念與知識並應用於程式設計。 |
財務數學 | 本課程之主要目的在介紹數學於財務上的應用。提供學生基本的工具來解決下列問題: 1.衍生性產品訂價 2.衍生性商品之模型建立 3.利率模型之建立 |
數理統計 | 當學習者經知悉機率與統計的基本概念後,此課程乃設計為一延續的科目,其重點為針對機率與統計上的一些定理與應用,探討其原理及理論架構。再則為引進更深入的數學以幫助了解統計的內函,且研討另一領域的觀點,如貝氏統計。對於線性模式能有進一步認識,知其理論原理與來龍去脈,使有助於迴歸分析及變異數分析的吸收學習。 *建議先修科目:機率論、統計學。 |
網際網路資料庫 | 本課程將教導同學建立及維護網際網路上的資料庫及其應用,我們會使用 ASP, ASP.NET, VB.NET 及 C# |
風險管理專題 | 風險管理在近幾年來漸漸得到大家的重視,是管理者、經理人必備的知識。本課程首先要介紹風險的觀念,討論測量風險之方法,並進一步探討Value-at-Risk 、stress testing 及風險模型。我們將在課程中介紹不同的實例、重大金融事件,使大家更了解風險控管之應用及重要。 |
資料分析導論 | 本門課的目標在學習資料分析的方法、工具與運用,了解資料所代表的意義,資料如何協助事務的決策與執行。本門課將搭配電腦程式與軟體的學習,來處理、詮釋並呈現資料的分析。 |
圖論 | 圖論是離散數學裡的一個重要課題,以圖為研究的對象。圖是一種簡單的結構,由給定的若干點及連接兩點的線所構成。在生活中用圖來描述很多實際問題是很自然的,像網路的基本結構就是圖,跟網路類似的交通網,通訊,工作流程...等都是圖。而更多實際問題是可以用配對的定理或衍生出來的定理解決,本課程將初步介紹圖論的基本架構,學習如何用圖論的語言來描述、觀察並解決問題,研讀一些基本定理,從中學習圖論解決問題的方式。 |
複變數函數論 | 複變函數論昔稱函數論,主要由Cauchy, Weierstrass 與 Riemann 三位大數學家在十九世紀發展出來,本課程主要內容包含: 1.複變函數,解析函數 2.初等函數 3.(Cauchy 積分公式) 複變函數積分 4.Laurent展開與無限級數 5.奇異點,留數定理及其應用 6.有理型函數與無函數之表裡定理 7.保角變換與解析延拓 8.Riemann 映射定理 9.調和函數 建議先修科目:高等微積分 |
組合賽局理論 | 本門課讓同學在組合賽局遊戲中學習遊戲的解法,學生將會學習到 1. 玩賽局遊戲!! 2. 學習賽局遊戲的解決方法 3. 如何做出贏的決策 4. 利用程式設計來設計賽局 |
財務經濟 | 對財務理論與個體經濟學的介面, 做深入探討. 藉此建立對財務理論發展的全盤認識, 以便未來進入任何財務理論子課題深造. 本課程是財務理論研究的基礎。 |
組合學 | 組合數學亦即離散數學,本課程特別從離散數學中分別出來,專門深究組合設計原理、枚舉或計數代數,和許多有限結構間迷人有趣的相互關係。
|
實變數函數論 | 實變數函數論主要奠基於Lebesgue 的測度論,是現代數學的一個主要基礎分析。本課程主要包含內容有: 1.Riemann 積分與 Lebesgue 積分 2.測度 3.(Lebesgue) 積分 4.測度的表現 5.微分與積分,Fubini-定理 6.Radon-Nikodym定理 7.度量空間,Lebesgue 空間, 8.泛函分析簡介 9.調和分析(拓撲群,Fourier變換) 建議先修科目:高等微積分、拓撲學。
|
財務數學專題 | 針對各個不同之財務工程理論深入討論,如:無套利理論、Black-Scholes、模型分析、奇異選擇權、無套利定價理論…等。
|
多媒體專論 | 本門課以多媒體專題來引導同學進入多媒體製作與設計的領域。我們將從基本的設計工具開始,一步步製作動畫、編輯視訊與音訊來熟悉多媒體的概念及練習工具的操作。然後我們會將各樣想法,利用學習到的工具呈現出來,學生在這門課將學習到數位媒體的製作,同時會完成數個專題製作。
|
應數專題 | 本課程由系上多位老師共同授課,依每位老師的研究領域及興趣, 提供學生一個特別的學習環境 : 可以在這裡做更深入的學習、也可以獲得更廣泛知識,可以比較不同領域間的差異 也可以結合各個領域尋找合作的可能 ... 每周將由一位老師選擇一個主題授課
|
醫療數據分析 | 資料科學將數學、統計學、專業程式設計、機器學習、人工智慧(AI)建立成有效率的分析工具,當跨領域結合了醫療數據,並融入專業的醫療知識,足以揭示隱藏在數據中的有用見解。準確的數據分析可以對患者的健康狀況做出明智的決策。 本課程設計一系列由淺入深、由基礎到進階的學習與應用,經由資料科學的基礎概念與醫療數據的基本認識為預備理論與實作工具,進階的機器學習與類神經網路為重點核心,為最後的專案分析提供思路與應用的方向。
|