課程預期學習成果
- 掌握數據處理、數據科學和大數據的基礎知識，能夠針對跨學科問題提出數據驅動的解決思路；
- 使用數據科學相關技術及軟件工具執行跨學科數據分析；
- 了解數據科學技術中的前沿問題和挑戰；
- 從數據中獲取知識和策略，並將其應用於跨學科領域。
- 掌握數據處理、數據科學和大數據的基礎知識，能夠針對跨學科問題提出數據驅動的解決思路;
- 使用數據科學相關技術及軟件工具執行跨學科數據分析;
- 了解數據科學技術中的前沿問題和挑戰;
- 從數據中獲取知識和策略，並將其應用於跨學科領域;
- 掌握人工智能的基本技術原理，以明确工程和科學相關問題並提出以數據驅動為中心的解決方法;
- 應用人工智能工具和方法論來設計、評估和執行工程系統;
- 鑒別人工智能技術的挑戰和科學研究問題
- 掌握數據處理、數據科學和大數據的基礎知識，能夠針對跨學科問題提出數據驅動的解決思路；
- 使用數據科學相關技術及軟件工具執行跨學科數據分析；
- 了解數據科學技術中的前沿問題和挑戰；
- 從數據中獲取知識和策略，並將其應用於跨學科領域；
- 運用程式設計技巧以完成大數據之處理和分析；
- 提取、分析和詮釋市場訊息，以創建對消費者之洞察力並促進營銷決策之制訂；
- 切實有效地應用大數據來解決市場營銷之問題和挑戰；
- 有效地將想法和結果傳達給持份者。
- 掌握數據處理、數據科學和大數據的基礎知識，能夠針對跨學科問題提出數據驅動的解決思路;
- 使用數據科學相關技術及軟件工具執行跨學科數據分析;
- 了解數據科學技術中的前沿問題和挑戰;
- 從數據中獲取知識和策略，並將其應用於跨學科領域;
- 瞭解金融科技創新如何影響金融業;
- 認識到利用顛覆性技術構建金融部門生態系統的重要性;
- 應用數據科學和金融科技等技術，進行科學分析並在過程中獲得金融解決方案;
- 掌握數據處理、數據科學和大數據的基礎知識，能夠針對跨學科問題提出數據驅動的解決思路;
- 使用數據科學相關技術及軟件工具執行跨學科數據分析;
- 了解數據科學技術中的前沿問題和挑戰;
- 從數據中獲取知識和策略，並將其應用於跨學科領域;
- 識別和評估在公法和私法領域中數據分析特別應用背景下相關法律問題與規範;
- 比較和評估有關個人數據保護、大數據分析和人工智能的國內和國際法律標準;
- 設計和開展法律研究，以分析不同司法管轄區對數據策略的監管環境，以提高合規性;
- 掌握數據處理、數據科學和大數據的基礎知識，能夠針對跨學科問題提出數據驅動的解決思路;
- 使用數據科學相關技術及軟件工具執行跨學科數據分析;
- 了解數據科學技術中的前沿問題和挑戰;
- 從數據中獲取知識和策略，並將其應用於跨學科領域;
- 識別和生成精準醫療所需的健康數據，並應用這些數據協助疾病預測、預防和臨床決策;
- 進行AI建模，並應用於醫學研究;
- 解決生物醫學科學、醫學或醫療保健領域的實際數據科學問題;
- 掌握數據處理、數據科學和大數據的基礎知識，能夠針對跨學科問題提出數據驅動的解決思路;
- 使用數據科學相關技術及軟件工具執行跨學科數據分析;
- 了解數據科學技術中的前沿問題和挑戰;
- 從數據中獲取知識和策略，並將其應用於跨學科領域;
- 描述語言學及其子領域的核心概念和理論;
- 分析大型語料數據集以考究語言的性質和使用;
- 向學術界受眾展示語言學實證研究的結果;
- 在書面報告中闡釋關於某一語言特徵的實證研究之結果;
- 掌握數據處理、數據科學和大數據的基礎知識，能夠針對跨學科問題提出數據驅動的解決思路;
- 使用數據科學相關技術及軟件工具執行跨學科數據分析;
- 了解數據科學技術中的前沿問題和挑戰;
- 從數據中獲取知識和策略，並將其應用於跨學科領域;
- 利用大數據作出有根據的教育判斷;
- 評估教育性質的大數據，並協助決策者鑑定短期和長期的目標和方法以期實現或採取改變教育變革;
- 收集和分析數據，並使用測量方法或度量指標來產生有關教與學的新見解，以改善教育成果。
- 掌握數據處理、數據科學和大數據的基礎知識，能夠針對跨學科問題提出數據驅動的解決思路;
- 使用數據科學相關技術及軟件工具執行跨學科數據分析;
- 了解數據科學技術中的前沿問題和挑戰;
- 從數據中獲取知識和策略，並將其應用於跨學科領域;
- 明確定量社會科學研究的核心目的;
- 熟悉相關的基礎概率統計模型;
- 理解如何在政治與社會研究中運用文本、圖像計算工具;