業師協同教學:114-2 資料庫管理

業界專家協同教學成果報告書

一、課程基本資訊 

開課學院

管理學院

開課單位

資管系

授課教師

李彥賢

業界專家

(服務單位)

廖智寧

(艾維智科技有限公司)

課程名稱

資料庫管理

必/選修

 ■必修 □選修

學分數

 3

教學方式/類別

實習課程     ■非實習課程

開課年級

 ■大學部   2   年級

實際選課人數/開課人數上限

69/60

業界專家

參與人數

1

業界專家參與

教學課程

時數及日期

521日,3小時

◎配合本校遴聘業界專家協同教學實施要點第三點:本人(請簽名)           全學期主持課程教學,並協助業師完成相關教學準備工作,專任(案)教師須於業師協同教學時共同參與及引導教學活動進行。

二、課程執行情形

(一) 課程執行資料

業師授課方式:□ 實務操作教學、實習課程 □ 校外參觀、體驗學習

□ 指導專題製作、專題競賽 ■ 實務經驗分享 □ 輔導證照考試

□ 其他___________________

(二)協同教學內容紀錄

本次協同教學邀請業界專家廖志寧業師進行「資料庫管理實務工作坊」,課程內容以資料庫在企業實務中的應用為主軸,說明資料庫管理不只是課本中的資料表設計與查詢語法,更涉及企業資料取得權限、資料完整度、交換標準、分析工具及專家經驗等要素。

業師首先介紹個人於資訊科技、資料庫管理與大數據分析相關領域的實務經驗,接著說明企業導入資料庫與大數據分析時會面臨的問題,例如資料量大、資料來源多樣、資料即時性需求高,以及資料品質與系統效能等挑戰。課程中也以實際企業案例說明資料庫與分析系統的應用,包括零售業即時銷售分析、POS 資料倉儲、Facebook 使用 Vertica 進行大量資料分析等案例,讓學生理解資料庫系統在企業決策、顧客行為分析、廣告成效評估與營收預測中的重要性。

業師也介紹 OracleVerticaMicroStrategy 等實務工具與資料庫相關技術,並說明 ODBCJDBCADO.NET 等不同系統連接資料庫的方式。課程後段則延伸至大數據分析、GPU  CPU 在運算上的差異,以及產業界對資料處理能力、問題解決能力與職場態度的重視。

三、成效評估

1.是否達到申請書之預期成效?(請檢視申請書)

從學生問卷結果來看,共有 69 位學生填答,整體平均分數為 4.41 分,顯示學生對本次業界專家授課的滿意度偏高。其中「業界專家之教授內容,符合本課程學習之需求」平均分數為 4.46 分,「有助於提升對產業界環境的了解」平均分數為 4.52 分,代表本次課程確實能增加學生對業界實務與產業環境的認識。

2.學生對於業界專家參與授課的反饋?

學生整體反饋多為正向,普遍認為業界專家能帶來一般課堂中較少接觸到的實務經驗,使學生對資料庫管理與大數據分析的實際應用有更具體的理解。部分學生提到,業師分享了許多產業案例與職場經驗,讓他們了解資料庫技術在企業中如何被使用,也能知道未來進入職場時需要具備的能力與態度。學生開放式回饋中提到「有些職場會用到但學校沒教到的東西很受用」、「很多實例的講解很令人感興趣」、「讓我對資料庫的實際設計和可能遇到的需求有更多的理解」等,顯示本次課程能補足課堂理論與業界實務之間的差距,不過,也有少數學生反映課程中部分內容較偏向個人經驗分享,建議未來可增加與資料庫主題直接相關的技術內容比例,使課程主題更加聚焦,整體而言,學生對業界專家參與授課持肯定態度,並希望未來能持續安排類似的實務課程。

3.您對本次引進業界專家協同教學的感想?

本次引進業界專家協同教學,對課程具有明顯的補充效果。資料庫管理課程雖然可以透過課堂講授與實作讓學生學習基本概念,但企業實際面臨的資料量、系統效能、資料品質、跨系統整合與即時分析需求,往往較難只靠一般課堂完整呈現。透過業師的分享,學生能從企業案例中理解資料庫管理的重要性,也能知道資料庫技術如何支援零售、廣告、顧客行為分析及營運決策。業師同時也分享產業工作經驗與職場所需能力,使學生能更早了解未來就業環境與專業能力要求。

4.產出與後續合作的情形為何?(例如共同指導學生產出作品、與業師所屬場域進一步合作等)

本次協同教學的主要產出為學生對資料庫管理實務應用的理解提升,以及課程學習成果的延伸。透過業師案例分享與課堂討論,學生能將資料庫理論與企業實務情境連結,理解資料庫系統在資料分析、決策支援與企業營運中的角色。後續可將本次業師分享內容作為課程案例補充,融入資料庫管理相關單元,例如資料倉儲、企業資料分析、資料庫效能與系統整合等主題。若未來有機會,也可持續邀請業師參與課程演講、專題諮詢或學生作品指導,協助學生將課堂所學應用於實務專題或產業案例分析中。

大數據分析關鍵要素
 大數據分析關鍵要素
業界所需能力
 業界所需能力
Vertica Win at Facebook 介紹
 Vertica Win at Facebook 介紹
GPU和CPU比較說明
 GPU和CPU比較說明