科目概览 (2026/27学年)

本课程旨在培养学生运用先进视觉化技术与策略性沟通技巧，将复杂的工业数据转化为清晰可行的洞察。学员将学习为预测性维护日志、供应链流动及能源消耗模式等数据集设计直观且具影响力的视觉化方案。透过Tableau、Qlikview、Power BI、Python函式库和D3.js等工具解决现实世界的工业挑战。课程以小组项目作为结尾，学生需构思并呈现引人入胜的数据驱动叙事作品，展现向利益相关者有效传达洞察的能力，并将分析成果与组织策略相结合。本课程采常规模式授课，所有必修实验资源均完整提供，学生需具备基础自主学习能力。

本课程探讨在学习和应用编程技能过程中整合生成式人工智能工具的方法。学生将学习如何利用最先进的生成模型来提升编程能力并开发创新应用。课程内容涵盖基础编程概念、实际实现策略以及伦理考量。通过实践项目，学生将获得使用生成式人工智能辅助编程、调试和项目开发的经验，为应对高级编程挑战做好准备。

本课程全面介绍工业和城市环境中的智慧互联与信息融合。学生将学习如何整合来自多个来源的数据，以提升决策效率和运营效能。课程内容涵盖信息融合和工业物联网（IIoT）方法的基础知识，强调其在各类工业领域中的应用。通过真实案例研究，展示这些技术如何被用于优化流程、提升系统可靠性并推动创新。

本课程在工业环境中融合了控制系统理论与实际数据分析。学生将学习动态系统的建模、分析与设计技术，掌握经典与现代控制策略的坚实基础。课程强调反馈机制与稳定性分析的重要性，使学生能够有效设计并实施适用于不同应用场景的控制系统。除了控制理论外，课程还深入探讨工业分析，强调系统辨识和数据驱动决策在优化工业过程控制中的重要性。通过真实案例研究，展示如何应用分析技术提升运营效率、减少停机时间并推动创新。

本课程为学生提供展示其在特定工业领域（如制造、能源、交通、物流和医疗）中解决数据分析问题的创新能力与主动性的机会。学生将在指导教师的监督下，独立完成一个主要项目，该项目可以是理论性的，也可以是实践性的。课程旨在培养学生将数据分析知识与技能整合并应用于不同场景的能力。该课程也作为一个平台，让学生展示并分享其在现实世界中涉及工业数据分析的学术和/或行业问题的创新研究成果。

本课程全面介绍具身智能，强调在工业情境中整合感知、认知及自主决策。学生将探索多模态感知、即时数据融合及适应性控制的尖端技术方法，赋能智能系统有效与动态物理环境互动。重点课题包括边缘运算、人机协作及智能自动化在优化工业工作流程中的应用、实现预测性维护及推动工业 4.0 创新。透过智慧制造、机器人及自主系统的实践项目和行业案例研究，学生将获得设计及部署具身智能解决方案的实务经验，弥合理论模型与真实应用之间的差距。本课程以常规模式开设。此外，所有必备实验室资源均已齐备，学生需具备基本的自主学习能力。

本课程提供数位孪生技术的基础理解，这是一种新兴模式整合实体系统与其虚拟对应体，以实现即时监控、模拟及优化。学生将掌握建置及部署数位孪生的尖端技术，运用即时资料串流、预测分析及 AI 驱动模拟以提升工业决策水平。课程整合物联网、边缘运算及工业元宇宙框架的跨领域协同，强调智慧制造应用。通过实践项目和行业案例研究，学生将获得设计可扩展数位孪生解决方案的实务技能，从而提升效率、降低成本，并开启工业 4.0 创新的新范式。本课程以常规模式开设。此外，所有必备实验室资源均已齐备，学生需具备基本的自主学习能力。

本课程深入探讨大型语言模型（LLMs），重点介绍其原理、架构、训练方法和应用。学生将学习大型语言模型的发展历程，从早期模型到如 GPT-4 等最先进的系统。课程涵盖自然语言处理、迁移学习以及人工智能中的伦理问题等关键概念。通过实践项目和案例研究，学生将获得在多个领域开发和部署大型语言模型的实际经验。

深度学习是机器学习中最前沿的技术之一。它是一种神经网络，用于建立和模拟人脑的分析学习机制，并通过模仿人脑机制来解释数据。深度学习广泛应用于计算机视觉、语音识别、自然语言处理等领域。本课程旨在提供对现有深度学习方法的深入理解和实践经验。课程内容涵盖如何选择深度神经网络、如何设计深度神经网络，以及如何训练和优化神经网络以用于实际应用。课程将介绍深度神经网络模型，包括卷积神经网络、循环神经网络、长短期记忆网络、深度残差网络、生成对抗网络、基于注意力的模型、对抗学习模型，以及训练技术，包括Dropout、批量归一化、激活函数选择等。课程还将介绍并应用TensorFlow、PyTorch或其他最先进的深度学习工具，以解决商业领域中涉及海量数据的各类问题。

本课程旨在帮助学生理解大数据的概念与挑战。重点在于应对大数据中的“V”特征（体量、速度、多样性、真实性、关联性和价值）所需的数据分析技术，以及这些特征如何影响数据的收集、监控、存储、分析和报告。课程将介绍大数据领域的以下主题：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、大数据搜索与查询技术。课程中将介绍一个用于管理和处理大规模数据的大数据管理系统示例（如Apache Spark）。课程还将详细讲解大数据在商业中的分析应用。学生将通过作业、作品集开发和项目积极参与课程的学习过程。

医疗保健分析正在全面变革传统医疗体系，使医疗服务更加高效、便捷和个性化。本课程将向学生介绍支持智能医疗的关键技术。课程讲解如何构建监测基础设施，以及如何通过物联网（IoT）技术从多个来源的可穿戴传感器收集并回传数据，包括介质访问控制（MAC）协议和路由协议。课程还将介绍健康与医疗数据的融合、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与工具。课程中将详细讲解相关案例研究和应用示例。

自2008年诞生以来，区块链技术已超越其加密货币根源，成为多个行业的变革力量。本课程提供区块链原理的基础理解，并探索其在物联网（IoT）、建筑及其他领域的实际应用。透过真实案例研究、实操作业及专案式学习，学生将分析区块链如何重塑商业模式、提升透明度，并推动各行业创新。本课程以常规模式开设。

本课程聚焦于整合先进技术以提升城市物流和供应链管理。课程涵盖物联网（IoT）、人工智能和数据分析在实时追踪、高效路径规划和资源优化方面的应用。学生将探索智能仓储、自动化配送系统和可持续实践。通过案例研究和实践项目，学生将学习如何设计和实施创新的物流解决方案，以提升效率、降低成本并减少环境影响，为应对智慧城市中复杂的城市物流挑战做好准备。

本课程涵盖在物流、金融、医疗和制造等多个行业中开发和应用数学模型、统计分析和优化技术以解决复杂问题。课程从运筹学的基础概念入手，包括线性规划、整数规划和网络模型。学生将学习如何将现实问题转化为数学模型，并使用各种算法寻找最优或近似最优解。主要内容包括单纯形法、对偶理论、敏感性分析、运输与指派问题。除了数学建模外，课程还强调使用 MATLAB、Excel Solver 和专业运筹学软件来实现和求解模型。

这是一门专门课程，旨在使学生掌握分析和解释复杂城市数据所需的技能和知识。课程重点在于应用数据科学技术来应对城市挑战、提升城市规划和改善公共服务。课程结束时，学生应能理解多种城市数据收集方法，包括传感器、物联网设备和公共数据集，并能够管理和预处理大型数据集以进行分析。