Lecture
東吳巨資＋金科學程修課心得
我在城中和雙溪的日子
Published in
30 min readMay 15, 2020
前情提要：
這篇文章的啟發是因為看到一篇 Bruce I-Le Wu大大在介紹交大修課的文章。自己從東吳畢業時總共拿了203學分（主修會計 雙主修巨資＋金科學程），同樣的想造福後人，提供一些我的修課心得。
五月象徵著又到了雙主修、輔系、學程、第二專長申請的日子，從大學畢業也修了蠻多的課程，城中雙溪兩邊跑的苦日子，但不論如何，這篇文章是要獻給：想修「巨量資料管理學士」和「金融科技學程」的同學。
其實我看蠻多人在討論巨資系到底值不值得修？
以一個雙主修學生的角度，我覺得巨資雖然還沒有在課綱上發展成熟，但只能說會越來越好。舉幾個例子來說，我還沒畢業前有被助教找問建議改進的地方，學系也一直開會在決定課程方向，聘更多的老師等。此外，我個人是認為有蠻多機會的，只要自己寫信問問看基本上老師都會願意和你/妳做計畫，甚至有一堂課我報告完後，老師就直接問我說有沒有想跟他做研究。只能說新的系不能說完全滿意，但有些課程還是有點收穫的，可以詬病的地方不知道會不會改，如果不能承受，可以考慮只去修特定課程也行的。此外，還有一個重點是巨資學院畢業是拿商學士，所以我覺得課程稍微偏商是可能要先知道的事情。
希望這篇文章能提供閱讀者「大致課程長什麼樣子」和一些我自己的「修課體驗」。綜合評估後，再來決定自己是不是真的想要輔系或雙主修。想當初上了也是硬著頭皮把所有必修都修完了，因為抵免超過限制（必須在雙主修學系修到40學分up），所以還額外修了蠻多選修課，這裡列出和巨資系有關選修，供大家當參考。
文章架構：（依據修課年限排列）
巨量資料管理學院學士學位學程：
- 必修課程：資料探勘與商業應用、統計學、資料結構與演算法、管理數學、資料分析軟體、程式設計、計算機概論、微積分、巨量資料專題實作、資料庫導論、資料科學與巨量資料導論
- 選修課程：巨量資料與金融科技、巨量資料處理架構與技術、網路行銷與搜尋引擎最佳化、機器學習導論
金融科技學程：
- 必修課程：金融科技導論、金融應用程式設計
- 選修課程：富蘭克林講座 — 金融投資與資產管理、巨量資料與金融科技實務、網路與電子商務
巨量資料管理學院學士學位學程：
必修課程：
Data Mining with Applications on Business
（資料探勘與商業應用, 巨量資料分析學程開課, 3 credits）
- 授課教師：趙景明
- 修課年度：2015 Fall
- 指定教科書：“Data Mining: Concepts and Techniques, 3rd Edition” by Jiawei Han, Micheline Kamber, Jian Pei
- 授課內容：這堂課大致上會介紹和data mining相關的所有名詞，從基本的資料、資料倉儲、資料清理、資料整合、資料減量、資料轉換，一路簡單提到關聯規則、決策樹的商業實例（啤酒和尿布的故事一定是會提個一兩次）。
- 授課方式：老師會根據課本內容，進行翻譯並提及重點，進一步做商業例子的補充。
- 評分方式：期末考＋期末報告
- 其他：本堂課比較多是在畫課本的重點，研究重要詞彙所代表的意思，所以可以考慮準備好螢光筆。對於一開始學資料的同學，可以側重在聽老師的實例分享，如果是要學觀念的可能要自己多K幾本書。這堂是開啟我認識data的課程，比較沒有實際technical的部分，多為理論講解（會比較抽象）。期末考是開書考，只要在考前把老師說過的內容複習過一遍應該就10拿9穩了；而期末報告當時是3人一組，可以選擇data的實作或針對特定公司data mining實務進行專案分析，我們組當時選擇做Safeway資料探勘在商業上的應用。不過聽說這堂課後來換老師了，所以可能只能當作參考了。
Statistics（統計學, 會計學系開課, 6 credits）
- 授課教師：陳兆麟
- 修課年度：2015 Fall, 2016 Spring
- 指定教科書：老師自編上課教材，除了講義還包含練習題
- 授課內容：我還特別去翻之前的講義，主要內容包含機率、抽樣、抽樣分配、估計、假設檢定、卡方檢定、變異數分析、線性迴歸。看來大致上忘的差不多，大概要好好複習了。
- 授課方式：雖然年代久遠（大二的課），但主要是老師會念講義內容，解說一番，再寫黑板進行例題演練。
- 評分方式：小考*n+期中考＋期末考
- 其他：兆麟老師是財精系的講師（我一直以為他是教授，直到在寫這篇文章才查到不是），教學經驗豐富，講課進度控制的非常好。當時是會計系大二的必修課，除了認真聽講外，還可以聽他當年幫別人炒股的故事。統計學也不知道能分享什麼，只能說因為許多演算法背後的基底都是統計，建議：再怎麼樣盡量認真聽統計課會比較好！
Data Structures and Algorithms（資料結構與演算法, 3 credits）
- 授課教師：黃福銘
- 修課年度：2017 Fall
- 指定教科書：老師自編上課教材，ppt為主
- 授課內容：課程內容上比較是理論概念的講解，了解各個資料結構和演算法的用法，從sort, search, hash等，老師每一堂課的ppt都寫得非常詳細，對於理解是有幫助的（其實年代有點久了）。
- 授課方式：主要是以講解ppt為主，Python做部分實踐
- 評分方式：心得報告*5＋期末專案報告
- 其他：大三就去修的課，發現是個惡夢，因為Python基礎需要再加強。課堂的最後是以Kaggle專案報告做實踐，當時是做WSDM — KKBox’s Churn Prediction Challenge，還很記得這是第一次做資料分析專案，簡直一塌糊塗，最後好不容易整理完資料用Logistic regression跑出model簡直痛哭流涕。福銘老師的課蠻喜歡用Kaggle上面的數據做專案的，從Kaggle還是個不為人知的網站（參賽隊伍只有500左右）到現在Google收購後成為資料科學練功的當紅炸子雞（每場比賽動則1000 up），也算是蠻有先見之明的。聽說也換老師了，新老師好像會推薦大家去刷Leetcode，不論如何，我覺得這堂課是建構coding架構觀念蠻重要的課程之一。
Managerial Mathematics（管理數學, 3 credits）
- 授課教師：李智明
- 修課年度：2017 Fall
- 指定教科書：“Introductory Linear Algebra: An Applied First Course, 8th Edition” by Bernard Kolman, David R. Hill
- 參考書：數學的祕密生命：數學家與數學大鬥智的有趣故事，課本裡沒有教的50個數學大發現 by George G. Szpiro
- 授課內容：巨資系必修的一定有線性代數，因為很多對資料處理、建模的方式就是運用線性代數的觀念。課程介紹包括：線性方程式、矩陣、行列式、向量、特徵值、特徵向量、馬可夫鏈等。好，我又要去複習了！
- 授課方式：主要是板書推倒、講解題目。我覺得智明老師的線性代數真的是設計過的一堂課，除了傳統的上課寫板書，老師在每一個段落都有精心設計有趣知識或笑話來搭配課程推進，真的讓人覺得很用心。
- 評分方式：期中書報討論+期中考＋期末考
- 其他：管理數學其實就是在上線性代數，只是名稱不同而已。智明老師的課開在很想睡的下午時分，但如果仔細聽其實回家做題目會快超多。小故事：有一次老師看到大家有點快睡著，突然提起自己兒子在史丹佛讀書的故事，結果全班紛紛抬頭一探究竟，我坐在前排看到這景象差點沒笑出來。此外，很多線性代數的技巧，老師上課也會提供，Ex. 二階反矩陣：主對角線顛倒，非主對角線等。期中考會比較簡單，但期末考就比較難，記得滿分是110分，如果要減輕壓力期中考一定要好好拿分（拿得到100分）。期中/期末考考完後會有一段書報討論時間，比較像是閱讀文章和全班分享數學家的故事，算是一種陶冶數學心靈吧？
Data Analysis Software（資料分析軟體, 3 credits）
- 授課教師：丁德天
- 修課年度：2018 Spring
- 指定教科書：老師自編上課教材，ppt為主
- 授課內容：從基礎SAS Enterprise Guide (EG)概念，到SAS Enterprise Miner (EM)操作演練（運算、SQL篩選、排列、分割、合併）、程式撰寫，對資料進行視覺化呈現與統計分析。此外還會延伸STATA的基本操作。
- 授課方式：德天老師有醫療的背景專長，上課主要的主題都圍繞在醫療的議題探討。課堂主要會引導同學朝向用SAS Enterprise Miner (EM)搭配STATA對健保虛擬資料進行統計上的探索（挖出資訊並分析結果），最後視覺化呈現。老師在最後還會請銀髮教練來看我們的成果。
- 評分方式：出席＋團體作業*8＋期末團體報告
- 其他：德天老師也是超熱心的那種老師，深怕學生有什麼不懂的所以會一直重複講解。課堂專案會和長照有關，還會帶入類似設計思考的思維，請協會的銀髮教練來和每一組同學聊聊，可以問問需求、請他們提供他們的看法等。我們那組當時是做「青少年就診狀況」的調查，也在過程中發現意想不到的結果。另一個要注意的是SAS真的超難灌，所以同學要修這堂課要注意自己的設備有沒有支援。整體上是課程進度不是很快，但仍學到一些SAS簡易操作和與長照醫療產業有些接軌的一堂課。
Programming Techniques（程式設計, 3 credits）
- 授課教師：鄭江宇
- 修課年度：2018 Spring
- 指定教科書：老師自編上課教材，ppt為主
- 授課內容：這堂課最主要是教Python程式語言，從基礎程式語言概念，到更進階一點的for, if, while loop，最後用Beautiful Soup爬各式各樣的網站，Ex. 104人力銀行、591租屋網、樂天市場線上購物網等。
- 授課方式：上課地點主要在雙溪電腦教室進行，也可以自備筆電。除了基礎程式的教學外，江宇老師很重視實作，所以會帶著學生實作幾個網站的網路爬蟲。每堂課後面都會要求繳交上課作業，上傳moodle。
- 評分方式：上課作業*n＋期中考＋期末專題報告
- 其他：這堂巨資系的課程算是學Python基礎，加上網路爬蟲的延伸，對coding新手還算是蠻友善的。基本上每堂課後都要繳上課作業，依據我當時沒有很強的程式基礎去修的狀況，其實還蠻緊張的，但幸好有問題都可以請教助教（助教很有耐心），最後也是安然度過。期末報告主要是做爬蟲報告（自行選擇網站），錄製影片解說。在沒有嚴重問題的狀況下，其實只要讓老師覺得報告很用心準備，分數不會太低的。
Introduction to Computer Science（計算機概論, 3 credits）
- 授課教師：胡筱薇
- 修課年度：2018 Fall
- 指定教科書：計算機概論(第12版) by 趙坤茂、張雅惠、黃俊穎、黃寶萱
- 參考書：Julia 程式設計：新世代資料科學與數值運算語言 by 杜岳華、胡筱薇
- 授課內容：課程分為兩半段，前半段主要從電腦的起源講起，一路從bit, byte到CPU, GPU等，電腦上有的硬件、軟件都講一遍，還會提到網路協定、資安等議題。講完課本，進入後半段程式實作，前幾年都是以Java實踐，我那一年改為麻省理工學院開發的Julia，從基礎講到部分的資料結構。另外，老師還有一堂請業界人士對電競產業生態進行演講。
- 授課方式：主要是以講解ppt為主，老師上課會帶自己過去在電腦專賣店組修電腦的經驗和同學分享。課堂上會發色卡讓同學回答答案，會以一種很像發誓的手勢選出想回答的答案（小卡正反面不同顏色），老師也會藉此觀察同學反應，鼓勵同學發言，問問題等，算是有互動的一堂課。
- 評分方式：出席＋上課問答（加分）＋小考*2＋期中考＋期末考＋期末報告
- 其他：蠻多人認為這堂老師是大刀，但其實有定時繳交作業＋期末考考好（占比超重），其實分數還是很漂亮的。這堂課節奏蠻快的，教室不是電腦教室，所以需要自備筆電。老師講code的速度很快，當時打Julia code基本上都用飆的。助教每一堂會用Zuvio（要開GPS定位那種）點名，沒帶色卡也會被扣分唷！期中考考課本附贈的習題內容（網路上可以找到相關資料），期末考考Julia課堂上教學內容的加難版，Ex. 上課可能教畫三角形，期末變成畫聖誕樹＋底座。期末報告會以小組上台呈現，整整一天的報告日，老師現場打分給反饋。（以下附git上的coursework）
Calculus（微積分, 6 credits）
- 授課教師：鄭宏文
- 修課年度：2018 Fall, 2019 Spring
- 指定教科書：“Applied Calculus for the Managerial, Life, and Social Sciences, 10th Edition” by Soo T. Tan
- 授課內容：從最基礎的極限開始，教到微分、積分、偏微分等。算是很基礎的微積分課程（沒有三角函數的那種），其中包含functions, limits, the derivative, differentiation, applications of the derivative, exponential and logarithmic functions及integration。（課綱上面的寫的蠻完整的）
- 授課方式：以板書的方式，先講解觀念，搭配例題講解，最後請同學上台演練題目，現場解惑（比較會挑選沒繳作業或是上次考試不及格的同學上台）。老師時不時會問誰誰誰有沒有問題，不怕你問，只怕你不來問！
- 評分方式：助教課作業*n+回家作業+小考*n+期中考＋期末考
- 其他：這堂是巨資系大一的必修課，介紹微積分的基礎理論，重頭帶起，所以不要怕沒有基礎。如果高中把極限忘記了，老師還會再講解一次，銜接到大學的課程。宏文老師是個蠻幽默的老師，上課會特別照顧不專心的學生。還記得老師說過：「微積分要高分就要做完題目。」基本上上課聽完觀念，回家有做作業刷題，小考、期中/期末考很好掌握的。比較可惜的是我那屆好像是宏文老師最後一次帶巨資系的微積分，接下來只剩院長開的課了。（原本翻到老師拿著課本的一張照片，這裡就不放了）
Practices of Big Data Project（巨量資料專題實作, 6 credits）
- 授課教師：呂明𤪦/鄭江宇/胡筱薇/黃福銘/葉向原/丁德天
- 修課年度：2018 Fall, 2019 Spring
- 授課內容：巨資專題實作分為兩種形式：找教授進行專題研究或進行企業實習。學生必須滿足其中一個條件，才能獲得學分（aka才能畢業）。
- 授課方式：無
- 評分方式：期末專題報告
- 其他：這堂是大四的必修課，想畢業就得經過這關了（但後來聽說學制改成optional）。學期初，系辦會建立一個實習媒合平台提供學生投實習，企業經過篩選後，再公布名單；另外，還有一個方法獲得實習是自己出去外面找並給主任核定。實習過後要繳一個專題報告，我那屆被要求「以影片形式」總結實習成果；如果是找教授做專題研究的學生，系辦還會舉辦一天成果發表日。當時很幸運的能去勤業會計風險諮詢做實習，算是一次開眼界的實習機會，也讓學生更認識業界生態。
Introduction to Database Systems（資料庫導論, 3 credits）
- 授課教師：黃福銘
- 修課年度：2019 Spring
- 指定教科書：老師自編上課教材，ppt為主
- 授課內容：課程分為兩半段，前半段建構資料庫概念 — ER模型、MySQL關聯式資料庫和MAMP網站架構工具包，後半段搭配R建立R Markdown開發以資料庫為基礎的網站平台以及多個模組。
- 授課方式：主要是以講解ppt為主，並以R部份實作
- 評分方式：心得報告＋小考*2＋期末專案報告
- 其他：可能因為大班的關係，老師花了比較多的時間在講解SQL的各種SELECT方法，從建立資料庫/表、輸入資料，到WHERE, IN, BETWEEN, ORDER BY等都會做介紹。搭配不定期的助教課，複習SQL語法，最後以小考做檢測。期末報告會抽Kaggle上的資料集，要求幫該資料集建立一個資料庫，並需要有至少5個應用模組。我們組又抽到Mercari Price Suggestion Challenge的資料集，第二次交手還算得心應手。當時我們用R Markdown以一個類似website的方式呈現出建立資料表、上傳資料以及8個模組應用。
Introduction to Data Science and Big Data
（資料科學與巨量資料導論, 巨量資料分析學程開課, 3 credits）
- 授課教師：鍾震耀
- 修課年度：2019 Fall
- 參考書：文科生也看得懂的資料科學 by Annalyn Ng, Kenneth Soo
認識資料科學的第一本書 by Anil Maheshwari - 授課內容：這是一堂以R實作關聯規則、文字探勘、RFM模型、Sentiment Analysis的課程。因為課程專為商管學生設計，所以沒有特別講太多的數學概念，偏向說明現有code的應用。
- 授課方式：老師是個很熱心的老先生，會「手把手」把程式碼講解清楚，並很熱心的問同學有沒有問題。上課主要是投影螢幕邊講程式碼邊講解觀念，有時甚至會在黑板上做示例。不時提供一些自己在業界的朋友實務上的範例連結課程。
- 評分方式：期中考＋期末個人報告
- 其他：老師人真的非常熱心，會有很多機會聽老師業界朋友的演講，更能認識該領域的專業人士。課程上是以R為主軸，但很多堂課的範例都是整理過的，老師會很認真的為各位把code講解完，並希望同學轉化運用在不同的資料集上。期中考是考Entropy的算法，期末個人報告是在特定資料集體現Sentiment Analysis並進行解讀。
選修課程：
Big Data and Fintech（巨量資料與金融科技, 2 credits）
- 授課教師：余啟民
- 修課年度：2018 Spring
- 指定教科書：富邦金控講師自編上課教材，ppt為主
- 授課內容：本堂課是從富邦現有業務上進行延伸，從銀行、人壽、證券、產險，針對「數位金融時代與巨量資料的應用」，每週由不同部門的主管進行專題演講。課程的最後還有三場專題講座，深入討論RegTech、Blockchain和醫療保險。
- 授課方式：這是一堂產學合作的課，啟民老師在課堂上算是個引薦的角色，每一堂課負責介紹各個富邦金控部門的講師。真正的內容會是富邦金控的講師們著墨。上課很像是場場專題演講，期末報告會延續期中報告的主題，把專案做得更具體。
- 評分方式：期中專案報告＋期末專案報告
- 其他：因為這堂是兩校區同步遠距教學，我當時在雙溪上課，常常因為設備問題出現連線失常，建議想修課的同學去「主播」校區上課。因為有開放法商學院高年級及研究生修課，所以期中期末許多主題都圍繞在法律在金融科技的應用。建議要修這堂課的同學，要抱持一個心態是：這是一堂業界派人來找人才的課程。期中期末所提出的專案會被以實務做嚴格檢視，並由富邦金控的評審委員給與意見。
Big Data Processing and Technologies
（巨量資料處理架構與技術, 3 credits）
- 授課教師：黃福銘
- 修課年度：2018 Spring
- 指定教科書：老師自編上課教材，ppt為主
- 授課內容：老師一開始上的是Tableau，後來教用R進行爬蟲、關聯規則、社群網路分析，最後Spark、Scala。大體上是一個綜觀的課程，什麼都會學一點的課程。
- 授課方式：主要是以講解ppt為主，並以R部份實作（老師感覺非常喜歡R），並還有包含Spark和Scala的基礎操作。
- 評分方式：心得報告*4＋期末專題報告
- 其他：這一堂蠻適合想知道大數據有哪些應用的學生修讀，很像是一個overview課程；但如果是要深入像是Tableau的，我上完課的感覺是師父領進門，修行在個人啦！學期間的心得報告針對幾個主題做研究，包含：探索式資料分析（Exploratory Data Analysis, EDA）、網路爬蟲、企業大數據資料服務平台之調查報告；期末報告則是在Kaggle平台上進行，比的是Mercari Price Suggestion Challenge，建立一個日本網站二手價格預測模型，當時我們組是用Random Forest做簡易的modeling。
Internet Marketing and Search Engine Optimization
（網路行銷與搜尋引擎最佳化, 3 credits）
- 授課教師：鄭江宇
- 修課年度：2018 Spring
- 指定教科書：老師自編上課教材，少部分ppt，大部分課堂實作
- 授課內容：藉由學校網域建立自己的網站，講解Search Engine Optimization (SEO)觀念，並改善網頁SEO設置。安裝Google Analytics (GA)，做on-click, view, experiment等分析。上完這堂課的同學幾乎可以去考Google Analytics Individual Qualification (GAIQ)了。
- 授課方式：江宇老師的課通常實作偏多，這堂課也不例外，從用學校網域建置網站、SEO技巧分想與實際佈署網頁，到用GA網站流量分析和進階應用（Email內裝GA等），都是「老師操作，學生跟著做」的上課方式。
- 評分方式：期末專案報告（必須附上專案網頁）
- 其他：這堂課是超熱門的課，可能是因為教室位置坐不下吧？有一個朋友是好不容易因為有人退選才擠進選課名單的。印象中江宇老師第一堂都會鎖門懲罰遲到的人，所以建議大家早點到課！課程部份，上課跟著老師操作，可以從學校「很陽春的網站」學到很多東西，老師也會分享他知道的SEO的資源，GA操作也結合網路行銷概念。期末專案是課堂上網站的超美化版本，我是做一個LOL戰隊的one-page網站，幫網站裝GA、做SEO最佳化，還算蠻有心得的。之前有特別為這堂課出兩篇文章，也是很陽春的文章，大家可以當參考就好。（以下）
Introduction to Machine Learning（機器學習導論, 3 credits）
- 授課教師：李佳蓉
- 修課年度：2018 Fall
- 指定教科書：老師自編上課教材，ppt為主
- 授課內容：機器學習課程包辦大部分的Supervised learning和Unsupervised learning的機器學習演算法，細項有KNN, Logistic regression, Decision tree, SVM, Clustering, 降維的LDA和PCA, XGBoost
- 授課方式：課程本身會解釋很多機器學習演算法的數學背景，老師也很努力化繁為簡，希望能以比較簡單的方式讓學生懂。課程一開始是演算法原理講解，並以Python實作演算法，幾乎每一堂課都有課堂作業，鐘聲響起前要上傳moodle。
- 評分方式：課堂作業＋期末專案報告
- 其他：上這堂課，一開始真的蠻煎熬的，很努力才聽懂數學的部分（證明統計、線性代數要好好學），也很怕code沒打好無法即時上傳。包含手打Gradient Descent的課堂作業還是蠻有成就的，如果不會除了旁邊的大神以外，也可以去前面求老師開示。期末專案是做Kaggle的New York City Taxi Fare Prediction，從龐大的紐約計程車資料做出預測車資的機器學習建模，最後上台報告內容，給老師問問題（！）。整體下來，感覺得出老師想藉由課程讓巨資系同學具備理解機器學習演算法的能力，以後會有更多新的演算法推陳出新，Ex. 2016年的XGBoost (XGBoost: A Scalable Tree Boosting System), 2017年的LightGBM (LightGBM: A Highly Efficient Gradient Boosting Decision Tree), 2018年的Catboost (CatBoost: unbiased boosting with categorical features), 2019年的NGBoost (NGBoost: Natural Gradient Boosting for Probabilistic Prediction)，希望藉此建立同學延伸所學的能力。（以下附git上的coursework）
金融科技學程：
必修課程：
Introduction to Financial Technology (Fintech)
（金融科技導論, 3 credits）
- 授課教師：盧建志/蔡宗榮
- 修課年度：2018 Fall
- 指定教科書：金融科技概論(二版) by 李顯正
- 授課內容：這堂課是我修過在FinTech介紹上最完整的一堂課，不止於談Fintech的定義和規則，還包含「互聯網＋」的進階應用。老師還細講Fintech和Techfin的差異，傳統金融業者和金融科技業者的因應對策、監理沙盒的制度、數位銀行、電子支付與行動支付的新戰場、台灣金融科技現況與限制，以及FinTech的6大應用領域、11項創新和6大核心技術。
- 授課方式：雙師制，建志老師是臺灣銀行電子金融部經理和宗榮老師（資歷超豐富：金管會前專任委員、台灣銀行前副總經理等）都是銀行界出身的。對於新興產業的挑戰，一個從業界的角度切入，一個從學界和使用者的角度切入。宗榮老師上課會帶很多業界實際的例子、江湖故事，還有自己實際使用行動支付的經驗和大家分享。
- 評分方式：出席＋小組作業*4＋期末考＋（創意/創業競賽）
- 其他：個人蠻佩服的是宗榮老師都已經一頭白髮了，還使用比同學還要多的電子支付和網路銀行，這「親身體會現代科技」的精神真的很難得！除了上課外，本堂課老師會依據小組作業做評分，是會超認真看報告那種，所以功課一定要用心做！作業主題有：支付方式探討、網路銀行調查、行動支付使用心得。期末考試題目的設計也是希望同學上完課後能和別人說出「金融科技究竟是什麼」（這是老師自己說的！）。
Financial Computer Programming
（金融應用程式設計, 6 credits）
- 授課教師：林浻揚
- 修課年度：2018 Fall, 2019 Spring
- 指定教科書：老師自編上課教材（部分），以R script為主
- 授課內容：全學年的課程，可以算是R的實作課，但是是從金融的角度切入。課程宗旨是希望學生用R解決日常生活中的問題，並會進階到金融方面的問題。內容上包含發票對獎小程式、擲骰子遊戲，延伸到研究股票回檔、ADR/GDR的換算、投資組合等。
- 授課方式：投影幕上會顯示老師的程式碼，老師會一行一行的講解，再下去為同學解決問題。老師本身是業師，所以會很希望把自己在公司所有有用的知識、模式交給同學，例如我這屆有整個組嘗試跑過Agile（用5W1H找尋TA並制定投資策略）。課堂非常活，每年更新內容，加上老師人真的很好，有問題老師也會親自幫忙解決。
- 評分方式：平時作業*n＋期中作業＋期末考
- 其他：這堂課適合對R程式只有一點點基礎的人，跟著老師每堂打code也會漸漸地認識R，做出好多個應用程式。下學期的課會比較偏重金融方面，涉及option, 回檔, 避險等投資策略的制定，所以如果沒有相關知識可能會比較辛苦一點，但不用害怕，因為不會的老師也會很有耐心的講解。比較有趣的是每週的作業上傳前5名是有加分的，所以還蠻感謝自己每週五認真守在電腦前面等老師po上傳文！
選修課程：
Franklin Templeton Investments Lectures — Financial Investment and Asset Management
（富蘭克林講座 — 金融投資與資產管理, 商學院開課, 3 credits）
- 授課教師：傅祖壇
- 修課年度：2018 Spring
- 指定教科書：富蘭克林講師和商學院教授自編上課教材，ppt為主
- 授課內容：這是一堂為了要促進學生培養投資行為而設計的課，教學內容包辦基金、股票、債券、投資組合的詳細介紹，因為是課程是商學院和富蘭克林證券一起辦的，所以各會出一半的老師上課。本堂課最大的亮點是除了上課以外，還會進行企業參訪和期末的投資模擬競賽，讓學生以競賽的方式實踐投資行為。
- 授課方式：因為是一堂產學合作的課，商學院院長每一堂會引薦主講人，學校的教授包含會計學系、財精系、經濟系等，富蘭克林也有副總等級的專業經理人來上課。內容琳瑯滿目，我覺得是一個同學可以各取所需的課程，課程最後還可以找教授問觀念、找經理人談經驗。
- 評分方式：課堂參與（出席簽到）＋每週心得報告＋投資模擬競賽
- 其他：很可惜我是在大四才上這堂課，推薦給所有大一、二的同學早點去修這堂課。雖然每週一次的心得報告會比較麻煩，但投資模擬競賽真的顯現商學院辦在這堂課很用心的地方。競賽分為股票和基金兩個部分，計分各半，會根據真實股票和基金數據去做模擬，當時也很幸運的進入了前20強，拿到獎學金。如果在投資競賽表現優異，上完這堂課還有機會被推薦去參加富蘭克林暑假實習。另外，這屆的企業參訪是去BNP Paribas Taiwan法國巴黎銀行和EY安永會計師事務所，如果有興趣的可以參考我之前寫的兩篇遊記。
Big Data and Fintech Practices
（巨量資料與金融科技實務, 2 credits）
- 授課教師：鄭宏文
- 修課年度：2019 Spring
- 指定教科書：老師自編上課教材，ppt為主
- 授課內容：這堂課基本上是一個實作課，所以除了一開始對金融科技概念的講解，其他部分沒有制式的教材。宏文老師請了安永金融科技的技術人員為我們介紹聊天機器人的原理與應用，期中報告就是聊天機器人的實作，期末考是利用AI模型對股票因子做預測。
- 授課方式：一開始的幾堂課老師會先介紹金融科技。聊天機器人的部分是安永金融科技的技術人員進行授課，而AI模型的是由老師以Excel VBA呈現，學生在期末專案報告可以用任何的程式語言。
- 評分方式：期中專案報告＋期末專案報告
- 其他：這堂課的鋪排還算是不錯的，一半巨資一半金融科技，學生可以藉由實作更加了解金融科技的商業流程。因為安永金融科技本身是將聊天機器人變成一個平台服務 — GOSU BAR平台。期末的AI模型有點像時序分析，做後比較哪個因子比較好，看有沒有打贏大盤。
Network & Electronic Commerce
（網路與電子商務, 國際經營與貿易學系開課, 3 credits）
- 授課教師：謝效昭
- 修課年度：2019 Spring
- 指定教科書：老師自編上課教材，ppt為主
- 授課內容：這堂是不折不扣的研討課，老師做一個引言，其他大半部分的主題都是學生上台進行專題報告。專題報告題目包含：行動商務、電子商務的創新商機、雲端、大數據、互聯網、物聯網等。
- 授課方式：因為研討課的性質，老師會希望各組同學在每次專案報告後能提問題、參與討論。課程設計是希望透過蒐集、整理與分析資料，完成一個專題研究。
- 評分方式：課堂參與＋專案報告
- 其他：這堂是金融科技學程的隨班附讀選修，開在國貿系，所以大部分來修的同學都是國貿系大四的學生。當時對於專題報告也是完全不懂（會計學系沒修過類似的課），好險有國貿系的兩位同學一路帶著，最後用的很像論文一樣真的很有成就感。我們這組做的主題是有關共享經濟，也藉由這次機會好好的認識像是Uber和YouBike 微笑單車等共享服務。此外，選課部分會擋其他系的學生，所以如果想選的同學第一堂一定要到課填單子。專題題目老師會在選課確定後進行抽籤排序讓每個組別選，可以選不到兩個禮拜就報告的也可以選最後幾個禮拜報告。
結語
不免俗的還是要感謝看完文章的你/妳！大學的課程五花八門，本篇提供一個半客觀的課程紀實＋觀點，希望以自己的經驗給未來想修巨資和金科的同學做借鏡。我一直認為「沒有最好的課程，只有適合自己的課程」。也許有我喜歡的課，但不見得適合另一個人。It’s alright! 大學仍然是一個知識的海，選擇自己喜歡的，修課時抱持「能拿多少走就拿多少」的心態，也是可以獲益良多的！Anyway，希望這篇在你/妳選擇雙主修、輔系、學程、第二專長時有所幫助，有相關問題也歡迎和我討論。
出國留學的夥伴們一起加油！
如果有任何想法都可以在 LinkedIn上或在底下留言，和我做交流！如果喜歡這篇文章的內容，請給我1–15個拍手；
如果覺得這篇寫得很用心，請給我15–50個（Max）拍手！
也希望如果喜歡我的文章，歡迎追蹤！
我會繼續分享更多的「體會」讓大家一起成長。謝謝！
