课程说明
必修科目
1. 人工智能基础
人工智能(AI)是通过研究和发展理论、方法、技术和应用系统去模拟和扩展人类智能的一门新兴技术科学。与传统方法相比，人工智能技术和模型因其良好的性能而被广泛地应用于各特定领域中。本课程重点介绍人工智能的基本概念、技术和潜在的商业应用。本课程概述了人工智能、智能代理、解决问题、规划和推理的浪潮。它包括有关搜索、逻辑、遗传算法以及一些潜在的商业应用(如专家系统、新闻分析等)。
2. 商业数据管理
本课程旨在介绍商业数据管理的高级概念和原则。本课程将研讨各种类型的数据库，例如面向对象的数据库、关系数据库、面向文档的数据库、NoSQL数据库和新SQL数据库。将介绍流行的数据库管理系统，例如Microsoft SQL Server和/或Oracle。主题包括数据模型(ER、关系和其他) 、查询语言(结构查询语言) 、半结构化和复杂数据的管理及NoSQL数据库。它还涵盖了数据管理、数据保护、隐私控制、用户安全和管理以及系统配置的基本概念、选项和最佳实践。本课程介绍有关数据灾难恢复、规划和过程的一般概念。
3. 数据分析与编程原理
本课程教授学生商业数据分析流程的知识，以及数据收集、数据预处理、数据分析和数据可视化编程的基本原则。它介绍了Python编程的不同概念，包括基本Python语言语法、变量声明、基本运算符、程序流和控制、定义说明和使用函数、类别及文件和操作系统接口。介绍为数据分析设计的基本Python包，如Numpy、Scipy、Matplotlib和Pandas。我们将介绍大量不同商业领域中的数据分析应用程序。
4. CDS504: 商业数据分析
本课程旨在介绍数据分析及其在电子商务中的应用。数据库是包含数据和隐藏珍贵知识的宝藏。现今，因为很多机构正以电子方式运作，而这些机构有能力在较短的时间内产生和收集大量数据。爆炸性的数据增长需要一种更有效的方式来提取有用的知识。数据分析是自动筛选数据以获得埋藏在数据库中黄金的过程，正可以满足这一要求。在本课程中，学生将学习不同的数据预处理，数据挖掘和分析方法。 他们将学习如何应用适当的方法来解决不同公司中出现的问题。
5. 商业中的机器学习
机器学习是近年来人工智能技术其中一个最流行的分支。机器学习模型和技术已广泛应用于自然语言理解、机器视觉、模式识别等领域。本课程将讨论机器学习的概念、技术和商业应用。它也将介绍全监督、半监督、无监督、迁移和强化学习范例。描述包括回归、聚类、逻辑回归、神经网络、Q学习等技术。本课程将讨论不同的业务应用程序示例。
6. 深度学习的实际应用
深度学习是机器学习的尖端技术之一。它是一种神经网络，用于建立和模拟人脑进行分析学习，并通过模仿人脑的机制来解释数据。深度学习在计算机视觉、语音识别、自然语言处理等领域广泛地被应用。本课程旨在提供对深度学习方法的深入理解和实践体验。课题将包括如何选择深度神经网络、如何设计深度神经网络，以及如何使用最新的软件包为实际应用训练和优化神经网络。课程将介绍不同的深度神经网络模型，包括卷积神经网络、递归神经网络、对抗性学习模型，以及包括dropout、批量归一化、激活函数选择等训练技术。课程将介绍并应用于解决商业领域中具有巨大数据集的不同类别问题的TensorFlow、PyTorch或其他最先进的深度学习工具。
选修科目(11门选修科目中的任意12个学分)
1. 营销分析和信息智能
营销分析是营销学和数据科学的交汇点，提升商业洞察力并为竞争优势提供新的机遇。在过去的几年里，新的数字技术从根本改变了不同方面的营销实践，并导致我们能获取、分析和采取行动的信息的数量和质量发生了戏剧性的变化。本课程讨论用于释放数据分析的预测潜力——以提高营销绩效、战略管理和运营效率——的尖端技术，并为学生提供运用分析工具和技术以解决现实营销问题的实践经验。 (课程将由商学院的讲师讲授。)
2. 医疗保健分析
医疗分析全面改造传统医疗体系，让医疗更高效、更便捷、更个人化。课程将向学生介绍支持智能医疗的关键技术。阐述了如何利用物联网(IoT)、媒体访问控制(MAC)协议、路由协议等技术来构建监控基础设施，以及如何从各种可穿戴传感器收集和传回数据。课程还会介绍健康和医疗保健数据的数据融合、数据模型、数据管理、机器学习算法，以及用于健康风险预测的分析技术和工具。它并详细介绍案例研究和应用实例。 (课程将由商学院的讲师讲授。)
3. 人工智能的优化
在优化问题中，人们寻求最小化或最大化一个或多个具有实数、整数和/或离散变量的目标函数，受变量的约束。优化是指研究这些问题的性质，开发和实现解决问题的算法，并将这些算法应用于现实世界的问题。本课程将研讨先进的人工智能算法，如多目标优化算法、遗传算法、进化策略、蚁群算法、粒子群算法、萤火虫算法、差分进化和其他元启发式方法。这些方法能够为具有挑战性的优化问题找到最佳或接近最佳的解决方案。课程还将介绍一些使用这些算法处理困难的商业问题的实际应用程序。
4. 位置信息智能
本课程是关于位置智能和地理信息系统(GIS)的地理基础。内容涵盖GIS如何促进地理空间数据分析和通信，以解决复杂的地理概念或问题。了解位置分析和技术如何切实支持商业专业人员分析来自多个来源的地理空间数据并创建位置智能，从而增强理解力、洞察力、智能决策和预测能力。本课程还将介绍位置分析在商业中的前沿主题和应用，并审查和解决该领域的伦理、法律和社会问题。课程结合课堂教学与实践指导，并通过实践来学习GIS分析技能。 (课程将由理学组讲师讲授。)
5. 大数据分析
本课程让學生了解大数据的概念和挑战。重点是处理大数据中的“6個V”(数量、速度、种类、准确性、价位和价值)的数据分析技术，以及这些技术对数据收集、监控、存储、分析和报告的影响。课程还介绍以下大数据领域的主题：分布式文件系统；大数据分析技术；大数据的高性能处理算法；大数据搜索和查询技术。它介绍了一个大数据管理系统的实例(Apache Spark)，用于管理和处理大规模数据，並详细讲解大数据分析在企业中的应用。学生将通过作业、档案袋开发和项目研究积极参与本课程的教学。
6. 区块链
区块链作为一个去中心化的开放分类账，已经被证明是惊人的成功。这项突破性的技术在各个领域有着远大的前景，包括数字识别、数据营销、加密货币如比特币等。本课程向学生介绍区块链、分布式分类账技术、替代共识、智能合同和安全以及加密货币的基础知识，还将详细讲解加密货币的案例研究和应用实例(例如比特币)。学生将通过作业和项目研究了解区块链技术对金融服务和其他行业的影响。
7. CDS505：移动技术和电子商务的应用
本课程介绍移动技术和开发移动应用程序的基础知识。课程也是为管理者而设计，让他们了解移动技术创新的商业价值以及相关的伦理问题。
8. CDS511：项目管理及軟件應用
目前，在工程项目上开发和测试的项目管理原则正成功地应用于商业世界中各种规模和类型的项目。此外，项目管理在信息技术、产品开发和建筑等应用程序中的作用受到重视。本课程介绍项目管理的基本原则，以及可用的工具和技术来帮助实现我们的目标。涵盖的课题包括：项目定义和启动、项目属性估计、规划和日程安排、资源选择和分配、实施；项目后评估、作为职业的项目管理、专业人员所需的技能和知识，包括适合项目阶段的决策和资源分配、与其他学科的结合，包括会计和财务。本课程将采用Microsoft Project软件工具来安排和管理项目。
9. CDS510：电子商务的社交媒体
本课程是关于电子商务社交媒体的基础知识，以及将社交技术整合到电子商务平台中所涉及的步骤。使学生能够全面了解社交媒体应用及其对制定公司战略的贡献。
10. CDS515：业务决策及軟件應用
机构通常需要在不同情况下做出符合其最佳利益的决策，而Microsoft Excel是商务人员用来协助决策的最受欢迎的软件之一。本课程介绍有助于科学和系统决策的常用定量分析技术。学生将学习如何使用适当的决策技术来获得各种解决业务问题的最佳方案，并了解能确保清晰和沟通的电子表格建模的最佳实践。通过练习这些技巧和Excel功能，学生将发展分析和基于电脑解决问题的技能，这可以帮助他们提高在工作或日常生活中的表现。
11. 人工智能和商业分析项目
结合使用人工智能技术和商业分析来解决现实世界的问题是一种重要的能力。本课程旨在为学生提供将他们在其他课程中获得的知识——在选定的研究或应用环境中准备、分析、反思和传播数据——整合起来的机会。课程重点是管理和执行定义明确的适当规模的项目。这些项目可能涉及真实世界的数据，也可能涉及实验数据，学生们可以分组参与这些项目。项目例子包括“用于供应链管理中目标检测的旋转神经网络”、“用于股市预测的金融新闻分析”、“从社交媒体数据中挖掘用户感知和意见”、“基于矩阵分解的电子商务的个性化推荐”等。