介紹平行與分散式程式設計與應用

社群網路模型(social network model)著重於群體中個體成員之間的關係及其局部或全面影響。本課程以計算觀點(computational view)系統化的介紹社群網路模型理論概念與分析方法,並探討各種可能之跨領域應用。

探討資訊安全之各項議題,並從使用者觀點、系統觀點、資料觀點、管理者觀點以及法律觀點等不同層次觀點探討資訊安全架構·

本課程目標為學習由「心理學」之角度,探討「健康」相關議題,並初步認識健康心理學如何應用於臨床上。目標為1.認識「健康心理學」,2.認識「生物心理社會靈性健康模式」,3.學習「壓力模式」及其臨床應用

1.    眼球運動基本特性以及與心智運作的關係
2.    眼動實驗研究方法基本概念,包括實驗設計,實驗程序及資料處理
3.    眼動軌跡記錄在語言研究上的應用

課程目標 :
使學生學習論文寫作與報告之基本技能、接觸數學相關領域的研究主題。

課程大綱:
學習論文寫作與報告、聆聽專題演講

本課程介紹基本資料組織方式, 以利於電腦處理與計算之效率. 資料結構為任何程式與資訊系統之核心基礎元件. 本課程強調概念建立與實作練習, 透過課堂講授, 作業練習, 及上機實習, 掌握基礎資料結構特性及在演算過程中之使用方式.

介紹離散數學相關基礎知識

本課程目標為:
1.初步認識何謂「助人工作」、「心理諮商」與「心理治療」。
2.學習基本助人技巧、學習認識自己。
3.學習「主動學習」

本課程對考研究所並無實質助益

1. 介紹人力資源管理技能、課題與實務,協助學生精通人力資源管理的重要議題。
2. 透過應用課堂上學到的理論,與深度分析相關案例,來培養學生分析型的閱讀、思考與表達技巧。
3. 培養學生的團隊技巧,學習以團隊合作方式完成指派的案例討論與小組作業。

1. 啟發學生對工商心理學領域的認識。
2. 引發學生對工商心理領域的興趣,提高學習動機,並養成主動學習的習慣。
3. 培養學生搜集相關資料與尋找資源的能力。
4. 激發學生探究工商心理領域中的應用範疇。

本課程針對主要的人類認知能力,包括透過知覺與注意力將外界刺激轉化成內在心理表徵、運用記憶系統對表徵進行編碼與提取、語言的學習與使用、問題解決與決策判斷等等,介紹相關的議題、理論、以及常用的科學方法與實驗派典。

心理測驗:1.了解心理測驗的本質、歷史、測驗的編製、常模與信效度等 ;2.了解因素分析與現代測驗理論之基本概念 ;3.培養正確使用測量工具及解釋評估測量結果的能力

心理測驗實習:1.學習應用「心理測驗」課程所學之知識理論於現象/實務上2.初步認識、學習使用的常見之心理測驗

普通心理學介紹心理學的各種相關領域之基礎知識,是進入心理學的必修課程。心理系所開的這門必修之普通心理學,是修課者進入更專業的各種心理學次級領域學科的必經途徑。

以初等微分幾何為主要介紹內容, 並配合電腦軟體操作瞭解其中概念。

本課程將向同學介紹每一個時期中具有代表性的思想家,從而讓同學理解每一個時期的基本精神以及它們彼此之間的延續與差異。這四個時期包括:古典城邦時期,中古世紀,啟蒙時期,反啟蒙思潮。透過這樣的介紹,同學將對西洋政治思想史中核心與重要的思想家建立基礎的認識。

心理學的定義為「研究人類行為及心理歷程的科學」,是一門與日常生活經驗息息相關,並兼具有人文關懷的嚴謹科學。本通識課程最核心的教學理念在於讓學生學習到如何將心理學嚴謹科學推論的思維運用至自身的生活經驗與觀察當中,並從自身擴大到人際間的觀察與關懷。

本課程包含以下主題:
* 資訊科技現況和發展
* 行動與網際網路
* 資料搜尋與社群應用
* 如何成為一個好的資訊公民
* 程式的邏輯與思考多媒體與數位內容

內容包括第一單元介紹生命基本事件的生物學基礎,及遺傳訊息對生命個體差異的影響,讓同學對於生命科學有基本的認識;第二單元介紹生物科技對日常生活的影響,包括醫療、農業、工業、倫理、法律及商管行為等;第三單元則著重於個體認知、學習及感覺等生物特性的介紹

753905001/703925001 合併開課

本課程為資訊檢索技術的基礎課程,我們將以下列主題方向為大綱、講述理論為主,搭配部分實務應用問題的討論。在內容方面,將涉及資訊檢索的基本技術(包含檢索與評比)、評比不同資訊來源的可能技術、跨語言資訊檢索、整合不同資訊源資料的技術的以及部分進階議題。

  • 資訊檢索基本技術
  • 資料分類與評比
  • 跨語言資訊檢索
  • 資訊整合與應用
  • 其他進階議題

703028001/753849001合併開課

人工智慧 (Artificial Intelligence) 是一門介紹如何利用計算機(computers) 處理“複雜”問題的學科。跟練功夫一樣,要想作深入的東西大都先要練就札實的基礎,在這一門課程中﹐我們將共同探討計算機如何表示知識 (knowledge representation)、如何進行推理(inference)及學習新知 (machine learning)的入門知識。課程實際主要內容包含理論的探討,例如search algorithms、logical reasoning、uncertain reasoning 和 machine learning等,如果時間足夠我們會在課程中穿插介紹一些實際的應用。