致理科技大學113學年度第2學期課程教學計畫表 

授課科目名稱	資訊數學(下)			授課教師	陳光澄
課程時程	全學年			學分數	2.00	上課時數	2
開課系科	資訊管理系			課程性質	必修
開課學制	日四技			開課班級	資一B
開課教室	綜合教學大樓 E77 電腦教室 (座位表查詢)
輔導時間 （每週4小時）	每週 (一) A08 - 15:20~16:10       每週 (一) A09 - 16:20~17:10       每週 (三) A08 - 15:20~16:10      每週 (三) A09 - 16:20~17:10

週別	主題與內容	週別	主題與內容
1	(SDGs主題週) 本週採取非同步上課方式，將預錄影片， 說明上課規定、與指定學習內容之繳交、課程line群組建立。	10	矩陣分解 (LU、QR、Singular Value Decomposition, SVD, 奇異值分解) (R語言相關操作)
2	向量(vector)與矩陣(matrix) 的意義與基本運算方法 (R語言相關操作)	11	機率概論、機率的意義與想法、事件的機率、機率測度的方法、樣本空間的分割
3	矩陣的應用與基本線性轉換、矩陣的行列式、逆矩陣、矩陣與聯立方程式的解 (R語言相關操作)	12	條件機率(conditional Probability) 與獨立事件、機率的乘法原則與推廣、貝氏法則
4	基本列運算(elementary row operation)、奇異(singular)與非奇異(nonsingular)方陣 (R語言相關操作)	13	馬可夫性質與應用 (R語言相關操作)
5	矩陣的特徵值與特徵向量 (eigenvalue & eigenvector) (R語言相關操作)	14	統計語言模型簡介 I
6	關鍵詞權重的科學衡量-TF-IDF 簡介 (term frequency/inverse document frequency)	15	統計語言模型簡介 II
7	春假 (補充教材：矩陣與圖像處理-使用R套件)	16	隱含馬可夫模型、資訊熵 (Entropy)、條件熵、互資訊(相互訊息)與極大熵(Maximum Entropy)模型簡介、SEO、Google PageRank 、Google雲端運算的基礎與 MapReduce簡介 (R語言相關操作概述)
8	餘弦定理和新聞的分類	17	期末考週
9	期中考週	18	期末學習檢討週 學習成效回饋實施方式: 1. 觀賞檢討影片(全體，非同步實施) 2. 符合補考資格同學之補考安排(同步實施) 實施日期:原訂排課時段

教材/課本	自編講義搭配參考資料。 教材：課程學習講義(自編)。 參考書籍： 1.R 語言邁向 Big data之路:王者歸來，洪錦魁、蔡桂宏著，深智數位，2021年。 2.數學之美，吳軍著，人民郵電出版社，2014年第二版。 3.R語言與資料分析實戰，徐珉久著，吳政達審訂，高等教育文化出版，2019年。 4.精通大數據!Ｒ語言資料分析與應用 第二版，鍾振蔚 譯，旗標處出股份有限公司，2018年。 5.輕鬆學習 R 語言 第二版，碁峯資訊，2019年。 6.吳軍數學通識講義，新星出版社，2021年。 7.其他參考資料。 敬請老師提醒同學遵守智慧財產權觀念，不得不法影印教科書！
授課方式	課堂教學	是否為全外語教學	否
輔導證照	否
輔導競賽	否
業師協同教學	無
是否為創新創業課程	否
是否為SDGs永續課程	是 教學內容符合之指標： SDG 4 優質教育 ; SDG 8 合適的工作及經濟成長 ;
成績比率	平時： %  多元彈性學習： %  期中： %   期末： %
備註一	如因疫情臨時停課，線上同步教學網址:
備註二	如因疫情或其他不可抗力因素，導致全體同學而無法到校實體上課時，本課程將依下列方式實施線上遠距教學，本課程將於原課程時段於線上透過 google meet 軟體實施同步教學，上課教室之網址為 meet.google.com/gxz-bngf-tpx 遠距教學課程實施規劃方案如下 (若有補充或調整，亦將即時公告於數位學院)： 1. 遠距教學教學實施等同於正式上課，每節上課皆進行線上點名。 2. 同學須配合數位教材(電子版講義)，於線上完成同步學習，並自行負責學習成果。 3. 完成線上同步學習課程後，若有相關測驗與作業，須依規定於線上完成。 4. 期中、期末如遇停課，則以線上測驗替代，並依教學計畫表公布之占比評分。 5. 對於課程學習如有任何問題，歡迎同學至課程討論區提出，老師將盡速回覆。
聯絡方式	研究室位置：                研究（辦公）室電話：(02)2257-6167 轉
	E-Mail：

課程名稱：	資訊數學(下)
授課教師：	陳光澄
課程簡介（以100至200字為原則）：

近年來，數學的內涵與方法運用，已成為管理科學與商業研究不可或缺的重要課題，更扮演著促進資訊技術發展的重要推手。本科目介紹數學在資訊管理相關領域之基礎應用，透過理論與實務課題，培養學生在數量概念與邏輯分析方面的能力，並協助學生建構宏觀的數學思維，以因應其未來在就業、就學甚至於更進一步深造之需求。
 

Course Title：	Information Mathematics (2)
Instructor：
Brief Introduction of Course Contents：

The contents of mathematics and its application has been a vital part of management science and business studies for many years, and also included as an important role to promote the developement of imformation technology. The aim of this course, besides making it possible to learn the mathematics of infromation, is to teach students how to use it effectively and to fulfill their future requirements.

課程專業英文關鍵字：

Bit Boolean Operation Combination LLN(Law of Large Number) Hyperlink Bigram Model Segmentation Probability Mass Public Key Machine Learning Computational Complexity Convolution Clustering Entropy Conditional Entropy Relative Entropy Maximum Entropy Model Conditional Probability Joint Probability Discrete Mathematics MapReduce Markov Process Markov Chain NP Complete N-Gram Model Smoothing Method Expectation Maximization Algorithm Shallow Parsing Generation Probability Acoustic Model Time Complexity Data Mining Digital Logic Stochastic Process Greedy Algorithm Feature Vector Graph Theory Web Crawler Sparse Matrix Prior Experience Shannon's First Theorem Speech Recognition Corpus Zipf's Law Transition Probability Spam Shortest Path Shortest Code LU decomposition QR decomposition Cholesky decomposition SVD decomposition (Singular Value Decomposition)