| 課程與核心能力關聯配比(%) |
課程目標之教學方法與評量方法 |
| 課程目標 |
核心能力 |
配比(%) |
教學方法 |
評量方法 |
讓學生了解數值分析所涵蓋的基本內容，做為日後計算科學或數據科學應用的工具或研究的基礎。
To enable students to understand the basic contents of numerical analysis as a tool or basis for research in future computational science or data science applications. |
| 1.數理基礎知識 |
| 2.數學分析專業知識 |
| 7.數學及統計軟體能力 |
|
|
|
|
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習) |
| 週次 |
授課內容 |
| 第1週 |
Matlab/Python, Solve an equation for one variable. |
| 第2週 |
Solve an equation for one variable. |
| 第3週 |
Interpolation and Approximation Theory of Polynomials: Lagrange, Hermite, cubic spline |
| 第4週 |
Interpolation and Approximation Theory of Polynomials: Lagrange, Hermite, cubic spline |
| 第5週 |
Numerical differentiation and integration |
| 第6週 |
Numerical differentiation and integration |
| 第7週 |
Matrix computation |
| 第8週 |
Matrix computation & Midterm Exam |
| 第9週 |
Matrix computation |
| 第10週 |
Solve linear system of equations. |
| 第11週 |
Solve linear system of equations. |
| 第12週 |
Solving differential equations |
| 第13週 |
Solving differential equations |
| 第14週 |
Matrix and Data Analysis |
| 第15週 |
Matrix and Data Analysis |
| 第16週 |
Matrix and Data Analysis & Final Exam
|
自主學習
內容 |
01.參與專業論壇、講座、企業分享等產官學研相關交流活動
03.製作專題報告
06.本校其它校區/分部(含實驗林場或試驗場)戶外教學參訪課程活動
|
|
| 學習評量方式 |
期中考（30%),期末考(30%),作業(40%)
Midterm (30%), Final exam (30%), Homework (40%) |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
1.R.L. Bunder and J.D.Faires, Numerical Analsis, 9nd ed., Brooks/Cole, Cengage Learning, Boston, 2011. ISBN-13: 978-0-538-73351-9.
2.Jaan Kiusalaas, Numerical Methods in Engineering with Python, Cambridge University Press, New York, 2005. ISBN-13: 978-0-511-12810-3.
3. Cleve Moler, Numerical Computing with MATLAB, 2004, SIAM. (電子檔可以下載 https://www.mathworks.com/moler/chapters.html)
|
| 課程教材（教師個人網址請列在本校內之網址） |
| Python 教學錄影網頁 https://www.pitt.edu/~naraehan/python3/getting_started_mac_first_try.html |
| 課程輔導時間 |
| 15 |
| 聯合國全球永續發展目標(連結網址) |
| 07.可負擔能源 09.工業、創新基礎建設 | 提供體驗課程：N |
|