課程資訊
課程規劃
本系學士班辦學的主要目標為培育良好數學專業、應用數學及數學教育研究人才、培育中學及大學之優良數學師資、培養能將數學應用於各方面的人才。基於此種需要,本系對於學士班學生之修習科目以橫向與縱向兩個面向來進行課程規劃。
橫向面向著重在學生於各領域之間的平衡發展與相互之間的連結,同時從中發掘自己的專長領域,以供為來繼續深造。領域區分以本系之五大課程領域為依歸,分別 是:分析、代數、幾何、應用數學、數學教育領域,其中應用數學領域又分成微分方程、電腦與計算、組合學、優選理論和統計等五個子領域。
縱向面向則以學生的學習發展層次為準,又可分成「專業課程導向」與「職能導向」兩個類型,其中專業課程導向又劃分成三個面向,職能導向則分成兩個面向。每個面向各有其學習發展的層次。
數學專業課程導向的類型上的三個面向分述如下:
1.培育數學專門能力的基本數學科目:
這類科目為本系必修課程,專為本系學生奠定數學專業基礎的課程,包含:數學導論、微積分、高等微積分、複變數函數導論、線性代數、數論、代數學、微分幾何、 微分方程導論、機率導論、科學計算導論等,範圍涵蓋分析、代數、幾何、與應用數學等領域的專業基礎課程。本面向的課程依層次供學生分別在一~三年級修讀。
2.輔助數學專門能力的數學演習科目:
對於數學基本課程,本系額外開設一些輔助的課程,這些課程之主要目的,在於讓學生親身經歷這些基礎課程解題的思維歷程,以達到對課程理論、法則的熟練,進而應用解決相關之問題。目前所有必修科目皆安排探索課程,包含:微積分探索、線性代數探索、複變分析探索等。
3.加強數學專門能力的數學選修科目:
本系規劃更具深度與廣度的數學選修科目,除了能延續基礎數學科目往更深的數學知識探究,也提供轉往數學之應用面向。這些科目包含初階、進階與高階課程:
(1)初階選修課程:圖形學、電子計算機概論、離散數學、程式設計、高等幾何(一)等,大多開設在一、二年級供學生選讀;
(2)進階選修課程:高等微積分特論、微分方程特論,代數特論、拓樸學、高等線性代數等課程,主要開設在三年級供學生選讀。
(3)高階選修課程:課程主要為大碩合開課程,讓有意進入研究所的學生提早修習更深的學科,如:實變分析、複變分析、泛函分析、近世代數、大域微分幾何、近代微分幾何、動態幾何專題、混沌動態系統、迴歸分析等課程。
而在職能導向的類型中,主要是下列兩個層次的科目:
1.教育學程規定必須修習的教育科目:
不同於其他學校的師培課程理念,本系的數學師資培育課程並不將數學專業與教育專業分開培育,而是規劃「數學」與「教育」融合的「數學教育」課程,因此除了一般教育科目外,本系特別設計用以提昇學生的數學教學能力之教育科目,如數學適性教學、數學探究與實作、學習評量、教學媒體與運用、課程發展與設計、數學教材教法、數學教學實習等等,是專為學科教學知識(PCK)所設計的科目。
本系所規劃的數學教育學程,並不是
數學專門科目+
教育學分,而是
其中
是指培育數學教師專用的數學教育科目,像數學適性教學、數學探究與實作、學習評量、教學媒體與運用、課程發展與設計、數學教材教法、數學教學實習、數學史等。
2.輔助學生從事各行業而加強數學本質學能的科目:
由於未來教師的培育人數將遠超過實際需求量,因此本系欲畢業生面臨職場的挑戰將越來越多。除了從事教師工作需要一些諸如高等幾何、統計學、數學教學解題等數學科目以外,若要進入資訊科技、生物科技、財金管理或精算等行業,仍需專業數學知識,如實變數函數論、作業研究、優選理論、數理統計等,以加強學生數學本質學能。
3.多元模組化、學程化科目:
應用數學領域旨在連結純粹數學理論與現實世界的實際應用,透過建立數學模型、演算法設計與數據分析,解決科學、工程、金融及產業中的複雜問題。隨著人工智慧、巨量資料與高效能計算的蓬勃發展,本系應用數學領域跨越傳統邊界,深耕六大核心子領域,並結合「科學計算學分學程」,培育具備跨領域問題解決能力與前瞻計算視野的高階人才。
六大子領域 (Subfields)
- 微分方程 (Differential Equations):研究常微分與偏微分方程之理論、適當性、動態系統及解的漸近行為,為物理、生物及工程模型之核心。
- 機率論 (Probability):研究隨機過程、極限定理與機率模型,為金融數學、統計推論及機器學習提供嚴謹的理論基礎。
- 資料科學 (Data Science):結合演算法、機器學習與數據建模,著重於高維度資料處理、圖形識別與現代 AI 數學基礎。
- 組合學與離散數學 (Combinatorics and Discrete Mathematics):研究圖論、組合結構、密碼學與離散最佳化,為演算法設計與資訊科學之基石。
- 最佳化理論 (Optimization Theory):研究凸分析、變算不育性、非線性規劃與大規模計算最佳化,廣泛應用於作業研究、機器學習與資源調配。
- 科學計算 (Scientific Computing):結合數值分析、矩陣計算、微分方程數值解與高效能計算(HPC),模擬複雜物理與自然現象。
建議修習課程 (Recommended Courses)
- 基礎與核心課程:微積分、線性代數、微分方程導論、離散數學、科學計算導論、機率導論、線性規劃。
- 進階與專業選修:偏微分方程、動態系統、組合學、科學計算特論、矩陣計算、計算共形幾何、數據科學中的科學計算、最佳化。
