| 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 |
1. Matrix theories, 2. SVD for imaging process, 3. Solve linear system and optimization, 4. Introduction to data science
|
| 1.數學專業思維與邏輯推理知識 |
| 2.數學分析專業知識 |
| 4.數學與力學之理論解析 |
|
|
|
|
| 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 |
Matrix theories |
| 第2週 |
SVD for imaging process |
| 第3週 |
Solve linear system |
| 第4週 |
Orthogonality and the optimization |
| 第5週 |
Solve nonlinear function and optimization |
| 第6週 |
ODE Solvers |
| 第7週 |
ODE Solvers |
| 第8週 |
Numerical PDE solution: finite difference method |
| 第9週 |
Numerical PDE solution: finite difference method |
| 第10週 |
Numerical PDE solution: finite element method |
| 第11週 |
Numerical PDE solution: finite element method |
| 第12週 |
Numerical PDE solution: finite element method |
| 第13週 |
Tensor Decomposition |
| 第14週 |
Classification of Handwritten Digits |
| 第15週 |
Classification of Handwritten Digits |
| 第16週 |
PCA & MDS |
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
|
|
| 學習評量方式 |
Homeworks and projects
|
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
1. Lars Elden, Matrix Methods in Data Mining and Pattern Recognition, SIAM 2007.
2. Golub & Von Loan, Matrix Computations, 3rd Ed. , John Hopkins University, 1996.
3. Yuan Yao, A Mathematical Introduction to Data Science, Bejing University, 2014 |
| 課程教材（教師個人網址請列在本校內之網址） |
|
| 課程輔導時間 |
[office hours] Monday 1:00 - 3:00 PM
|
| 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 |
|