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 |
To guide students with minimal or no data engineering background into the basic knowledge realm of data science. 針對不具資料編程與數據分析學科背景的學生,習得基礎知識與操作 |
|
|
|
|
授課內容(單元名稱與內容、習作/每週授課、考試進度-共18週) |
週次 |
授課內容 |
第1週 |
|
第2週 |
|
第3週 |
|
第4週 |
|
第5週 |
10月9日
大型語言模型(LLM) I |
第6週 |
10月16日
大型語言模型(LLM) II |
第7週 |
10月23日
META AD LIBRARY 資料 I |
第8週 |
10月30日
META AD LIBRARY 資料 II |
第9週 |
11月6日
生成式AI應用與討論 |
第10週 |
11月13日
MACHINE LEARNING |
第11週 |
|
第12週 |
|
第13週 |
|
第14週 |
|
第15週 |
|
第16週 |
|
第17週 |
|
第18週 |
|
|
學習評量方式 |
There will be 6 homework assignments corresponding to each course module. |
教科書&參考書目(書名、作者、書局、代理商、說明) |
|
課程教材(教師個人網址請列在本校內之網址) |
You need to refer to iLearning 3.o for updated information of each class session including teaching material and announcements. |
課程輔導時間 |
Upon appointment |
聯合國全球永續發展目標 |
10.減少不平等   11.永續城市   12.責任消費與生產 | 提供體驗課程:Y |
|