課程

課程概述

微分方程與線性代數是工程師和應用科學家必備的基礎數學工具。本課程在這兩個領域建立扎實的基礎，全面涵蓋工程、科技及相關領域學生所需掌握的核心內容。主要內容包括：

• 一階微分方程。

• 線性方程組、矩陣代數與行列式。

• 向量空間。

• 線性二階微分方程。

• 高階線性微分方程理論。

• 線性方程組的矩陣解法。

課程概述

本課程系統性地介紹人工智慧，專為非技術背景的專業人士精心設計，建構起從 AI 基礎原理到前沿應用的完整認知框架。在 AI 重塑各行各業的時代，本課程都將成為不可或缺的基礎——無論你是開發 AI 驅動產品的產品經理、主導企業 AI 轉型的決策者、尋求職涯進階的專業人士，還是為孩子未來規劃的家長。我們的目標並非把你培養成演算法工程師，而是協助你真正理解 AI 背後的底層邏輯：

• 從機器學習到大型語言模型的技術演進。

• 從提示工程到上下文工程的實用技能。

• 對當下應用與未來趨勢的清晰判斷。

這套知識體系將賦予你與技術專家自信交流、做出明智 AI 決策的能力，並為你在智慧時代持續成長打下基礎。AI 不是一門選修課——它是這個時代每個人的必修課。系統化學習是避開碎片化資訊陷阱的唯一途徑。

課程概述

本課程聚焦於 Python 與 R 在商業分析中的應用，旨在培養從資料中萃取知識與洞察的實用能力。內容涵蓋基礎程式語法、網頁爬取、關聯式資料庫、資料分析、文字探勘、機器學習、神經網路與人工智慧。

學習目標

• 建置並操作 Python 與 R 的整合開發環境（IDE）。

• 理解基礎程式設計概念與邏輯思維。

• 從檔案（CSV、HTML、JSON、XML）載入與儲存資料，並使用關聯式資料庫（MySQL）管理資料。

• 運用資料標準化與清理技術，減少冗餘與異常。

• 使用統計套件進行資料分析與視覺化。

• 運用文字探勘技術，包括斷詞、詞頻分析、命名實體辨識、情感分析與主題建模；理解大型語言模型（如 ChatGPT）在商業分析中的作用。

• 區分監督式與非監督式機器學習方法。

• 理解常見機器學習演算法：線性迴歸、多項式迴歸、決策樹、隨機森林、KNN 與 K-Means 分群。

• 理解網路分析與神經網路演算法的基礎原理。

• 透過畢業專題（Capstone Project）將商業分析技術應用於實際問題。

課程概述

本課程協助學生扎實掌握核心統計工具及其在廣泛的商業與經濟情境中的應用。課程結束時，學生將能夠：

• 計算並解讀基本描述性統計量。

• 理解機率的基礎概念並運用初等機率方法。

• 運用統計推論方法，包括估計與假設檢定。

• 運用統計關聯度量，包括相關分析與迴歸分析。

• 使用 Excel 作為統計分析工具。

課程簡介

本課程為非會計背景學生提供必備的財務會計與管理會計技能。內容涵蓋在 GAAP 與 IFRS 兩套準則下三大核心財務報表——損益表、資產負債表與現金流量表——的編製與解讀。學生將學習運用比率分析評估財務績效，並運用財務預算、差異分析等管理工具，為內部決策與策略規劃提供支援

課程概述

AI 工具正在重塑企業處理供應鏈管理與行銷決策的方式。本課程探討這兩大領域，研究 AI 如何與專業能力互補，推動更優質、更高效的決策。課程前半部分聚焦供應鏈管理，重點關注需求預測、庫存最佳化與供應鏈風險管理。學生將比較傳統統計方法與 AI 驅動方法，評估其商業影響，並探討成功導入 AI 的實際要求。後半部分聚焦行銷。透過實作專案，學生將運用 AI 工具進行市場調查、分析消費者資料、萃取可付諸行動的洞察，並擬定行銷方案與內容。課程還特邀一位金融學教授就機器學習在投資管理中的應用進行客座講座，協助學生更全面地了解 AI 在各商業職能中的應用。作業皆以真實商業案例為基礎，要求學生運用 AI 工具解決實際問題。本課程不要求程式設計經驗，但需具備基本的商業常識。

課程概述

本課程培養學生在學術與職業情境中的技術溝通能力。學生將撰寫與編輯技術文件、製作圖表與視覺化資料展示，並清晰有效地呈現技術資訊。

學習目標

• 運用有效技術寫作原則，產出清晰、結構嚴謹的文件。

• 設計並呈現能夠準確、精簡傳達資訊的資料視覺化。

• 面向專業與學術聽眾進行有效的技術簡報。

• 透過團隊協作與同儕評閱培養協作溝通能力。

課程概述

本課程介紹工程學必備的三大應用物理基礎領域：流體力學、電磁學與熱力學。透過理論教學與實務應用相結合，學生將深入理解核心物理原理及其與工程系統的關聯。

流體力學

• 理解流體的基本性質，包括黏度、可壓縮性、熱膨脹、表面張力與毛細現象。

• 分析流體靜力學：壓力分佈、力平衡，以及靜止流體與固體邊界之間的交互作用。

• 運用流體運動學概念：流場、隨體導數與系統導數。

• 分析管流與水力系統，包括層流與紊流及阻力特性。

電磁學

• 理解靜電場：電荷、庫侖定律、電場強度、高斯定理與電位。

• 分析靜電場中的導體與介電質，包括電容器與極化現象。

• 運用穩定電流、磁場與電磁感應的原理。

• 理解互感、自感與暫態電路過程。

熱力學

• 運用熱力學第一定律：系統狀態、熱力學能、焓、熵、功與熱。

• 分析氣體性質，包括狀態方程、比熱容與理想氣體行為。

• 運用熱力學第二定律：卡諾循環、熵與熵增原理。

課程概述

本課程概述積體電路設計，重點聚焦數位邏輯設計。內容包括積體電路的基本設計流程、數位與類比設計導論、組合與序向電路設計、EDA 工具、基本運算單元，以及使用 Verilog 進行模擬與合成的入門介紹。

學習目標

• 理解積體電路的設計流程。

• 打下扎實的數位邏輯設計基礎，為深入學習 VLSI 設計、電腦架構與微處理器系統做準備。

• 設計並分析組合電路與序向電路。

• 運用布林代數、卡諾圖、Quine-McCluskey 方法與分支定界法進行二級邏輯化簡。

• 使用 Verilog 硬體描述語言進行實際數位設計。

• 運用現代 EDA 工具設計並驗證邏輯電路。

• 設計基本算術邏輯電路與有限狀態機。

初步了解更大規模數位系統的設計。

課程簡介

本課程全面介紹電腦科學的核心概念，專為幾乎沒有或完全沒有程式設計經驗的學生設計。學生將扎實理解電腦科學原理與程式設計實務，包括現代電腦架構、演算法思維與動手解決問題的能力。主要內容涵蓋電腦硬體、作業系統、資料庫、網路、演算法與資料結構。課程結束時，學生將具備扎實的電腦科學基礎，為該領域更深入的學習做好充分準備。

課程概述

資料結構與演算法是電腦科學各領域的基礎。本課程介紹核心資料結構與演算法的設計與分析，並培養實用的程式設計能力。學生將探究關鍵資料結構的特性、應用與複雜度，並學習包括排序與搜尋在內的基礎演算法。

學習目標

• 理解時間與空間複雜度，並使用大 O 記號進行分析。

• 理解並運用基礎資料結構：陣列、堆疊、佇列、樹與圖。

• 將遞迴、分治、貪婪演算法與隨機演算法等通用演算法設計範式應用於經典計算問題。

• 分析演算法的正確性與計算效率。

使用程式語言（如 Python 或 C）實作資料結構與演算法，並將其應用於實際問題。

課程概述

本課程為 C 語言打下扎實基礎——C 語言是嵌入式系統、作業系統與高效能運算等領域中應用最廣泛、影響力最大的語言之一。學生將學習 C 語言的基本概念，包括資料型別、運算子、運算式與函式，並累積軟體開發實務經驗，涵蓋記憶體管理、資料結構設計與系統層級程式設計。