致理科技大學
109
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 E73 電腦教室
(座位表查詢)
輔導時間
(每週4小時)
每週 (一) A05 - 12:20~13:10
每週 (一) A08 - 15:20~16:10
每週 (五) A04 - 11:20~12:10
每週 (五) A05 - 12:20~13:10
週別
主題與內容
週別
主題與內容
1
預備知識 (含倫理教育主題) 定積分的應用、多重積分、瑕積分
10
機率概論、機率的意義與想法
2
向量(vector)與矩陣(matrix),矩陣的應用 (R語言相關操作)
11
事件的機率、機率測度的方法、樣本空間的分割
3
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)
12
條件機率(conditional Probability) 與獨立事件、機率的乘法原則與推廣
4
特徵值與特徵向量 (eigenvalue & eigenvector) (R語言相關操作)
13
馬可夫性質、貝氏法則 (R語言相關操作)
5
關鍵詞權重的科學衡量-TF-IDF 簡介 (term frequency/inverse document frequency)
14
統計語言模型簡介 I
6
餘弦定理和新聞的分類
15
統計語言模型簡介 II
7
矩陣分解 I (LU、QR、Choleskey) (R語言相關操作) 矩陣分解 II (Singular Value Decomposition, SVD, 奇異值分解) (R語言相關操作)
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
8
期中考週
17
SEO、Google PageRank 、Google雲端運算的基礎與 MapReduce簡介 (R語言相關操作概述)
9
矩陣與圖像處理(使用R套件)
18
期末考週
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.GeoGebra幾何與代數的美麗邂逅,羅驥韡 著,五南出版社,2017年。 2.數學之美,吳軍著,人民郵電出版社,2014年11月第二版。 3.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4月出版。 4.輕鬆學習R語言 第二版,碁峯資訊股份有限公司,2019年10月, 5.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
否
成績比率
平時:
%
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
寒假作業:閱讀與資訊之數學應用的相關課外讀物一本或相關文章一篇以上。 寒假作業考核:下學期期初(三月底前)繳交300字以上讀後心得或方法應用說明,學期平時成績加10分,未繳交者不予加分。 因應全台疫情警戒升級,為確保校內師生安全,本校自5月14日(五)晚上開始,至6月15日(二)為止,全部課程實施遠距教學。遠距課程實施方案如下(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。 2. 數位教材於每週原上課時段前上傳完成,請同學至數位學院觀看每週之教學影片。 3. 自本週上課時段起至下週上課前,同學須完成教學影片閱讀,並自行負責學習成果。 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)
若有課程內容或排課問題,請洽課務組 日(02)2257-6167#1296、夜(02)2257-6167#1206
若有無法帳號密碼無法登入等問題或系統操作問題,請洽管理資訊組 (02)2257-6167#1286
若有點名系統相關問題,請洽 日生輔組(02)2257-6167#1213、夜學務組(02)2257-6167#1207