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。

(碩專班) 介紹資料分析基本工作流程,著重於各階段工作中可使用之軟體工具

(一般生) 介紹資料分析基本概念,著重於資料分析各階段工作中,可使用的各種軟體工具。

1. 瞭解睡眠的基本機制。
2. 瞭解睡眠異常的病因、評估。
3. 了解睡眠研究的方法並思考研究計畫。

一、 課程目標:
1. 瞭解心理治療的定義、歷程與基本原則。
2. 探討心理治療學派整合的原理與技巧。
3. 瞭解傳統認知行為治療的原理與技巧。
4. 瞭解認知行為治療第三波革新的治療原理與技巧。

動態系統是可用以描繪演化現象的數學方法之一。在許多不同領域如物理,化學, 生態, 生物, 工程, 腦科學和經濟學上都有重大應用。此課程目的在於使學生能熟悉動態系統中一些常見之現象、基本結果與處理技巧。

1. Introduction 
2. Combinatorial Analysis 
3. Axioms of probability 
4. Conditional probability and independence 
5. Random variables 
6. Continuous random variables 
7. Jointly distributed random variables 
8. Properties of expectations 
9. Limit theorems

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元件. 本課程強調概念建立與實作練習.

1. Functions and Models 
2. Limits and Derivatives 
3. Differentiation Rules 
4. Applications of Differentiation 
5. Integrals 
6. Applications of Integration 
7. Techniques of Integration

1. 助人工作與助人關係
2. 基本助人技巧:溝通與同理
3. 問題解決取向之助人模式

主要內容包括分子生物學概論(第ㄧ~三週單元);細胞生物學概論(第四~八週單元);人體生物學概論(第十~十五週單元);及生物科技概論(第十六~十七週單元)

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。

複數在數學裡通常比實數還要可愛, 複數變數函數論就是試著讓你瞭解為什麼是這樣的課程。我們會處理複數的基本表示, 學會重要的定理及其應用。複數函數是很有圖形感的數學學門, 我們也選了特別重視這個方向的課本, 希望帶領學者進入美麗的複數世界。

一、數值分析初探(精準度,相對誤差,Taylor 展開式,均值定理,不等式,Python 與 Octave簡介) 
二、資料的浮點表示(單精度表示,雙精度表示,誤差分析) 
三、方程式局部的根(二分法,牛頓法與割線算法) 
四、線性方程數值解(LU 分解,congugate gradient method) 
五、特徵值問題(power method, inverse power method) 
六、插補法與數值微分(多項式的差補法,差補法的誤差分析,微分估計)

線性代數不論在數學理論或是應用,都是最重要的課程之一。這個課程我們希望達成以理論和計算並重的方式, 介紹線性代數重要概念, 並做為高等數學的入門。另外配合使用數學程式 GeoGebra 及 Python 程式語言,  強化基礎科學計算能力。

透過日常生活上的現象,學習基本的力學及熱學定律,掌握分析、解釋、及預測周圍物體(包括固體、液體及氣體)的運動。了解周圍的自然現象並非深奧難測,而是可以從一些簡單的基本定律去了解,並且這些基本定律都建立在詳細的實驗證據上。

本課程希望能讓學生透過對心理學知識的學習與掌握,能夠更了解自己、了解他人,並能將所學融入及活用於現實生活中。
1.使修課學生能了解心理學的知識範疇
2.使學生能學到一門優質通識課程的核心特色
3.學生能獲得活用知識的秘訣

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。

在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