本系所著重理論與實務之結合，結合資訊科技趨勢及產業發展，跨領域系統整合，並以「人工智慧與資料科學」與「資訊管理與資訊安全」兩大發展領域為主要研究課題。 主要發展領域-次領域與應用領域，如下表所示。
未來研究發展領域
未來研究發展領域
分述如下：

人工智慧與資料科學領域：

本領域以「人工智慧與資料科學」領域之研究與教學為主軸，並延伸出三大次領域：「電腦視覺/影像處理」、「自然語言處理」、及「大數據分析」，說明如下：

  1. 電腦視覺/影像處理

「影像處理」(Digital image processing)在計算機科學中，數位影像處理是使用計算機算法對數位影像執行圖像處理。作為數位信號處理的子類別或領域，數位影像處理與模擬圖像處理相比具有許多優點。它允許更寬的算法範圍應用於輸入數據，並且可以避免諸如處理期間噪聲和信號失真的累積等問題。由於圖像由兩個維度(可能更多)定義，因此數字圖像處理可以以多維繫統的形式建模。 而隨著深度學習技術的發展，數位影像處理已經不再只是學術領域的議題，更是Google、微軟、Facebook、Amazon等科技大公司積極投入研發的領域。也就在產學相互學習與競爭之下，近幾年深度學習技術可謂突飛猛進，深度學習不只是下棋贏過人類，在臉部辨識、物體識別及手寫文字辨識，皆已超越人類的水準。 例如，ImageNet競賽在2012年以75％的辨識率，樹立了深度學習技術的新里程碑，而時至今日，在2015年ImageNet競賽中，微軟的深度學習技術首度以96％的準確率，超越人類的水準，而在微軟建構的深度學習網路當中，竟然使用了多達152層的超級深層網路，與前一年參賽隊伍普遍使用的20至30層的網路架構相比，複雜度是呈等比級數。 本系在「電腦視覺/影像處理」次領域下，以「情意計算」與「影像辨識」為主要的應用領域。

  1. 自然語言處理

「自然語言處理」(Natural language processing)是計算機科學，信息工程和人工智能的子領域，涉及計算機和人類(自然)語言之間的交互，特別是如何對計算機進行編程以處理和分析大量自然語言數據。 隨著深度學習的興起，自然語言處理也是深度學習的一個重要應用領域，經過幾十年的發展，基於統計的模型已經成為NLP 的主流，同時人工神經網絡在NLP 領域也受到了理論界的足夠重視。加拿大蒙特婁大學教授Bengio等在2003 年提出用embedding的方法將詞映射到一個矢量表示空間，然後用非線性神經網絡來表示N-Gram 模型。世界上最早的深度學習用於NLP 的研究工作誕生於NEC Labs American，其研究員Collobert 和Weston從2008年開始採用embedding 和多層一維卷積的結構，用於詞性標註、分塊、命名實體識別、語義角色標註等4 個典型NLP 問題。值得注意的是，他們將同一個模型用於不同的任務，都取得了與現有技術水平相當的準確率。Mikolov 等通過對Bengio 等提出的神經網絡語言模型的進一步研究發現，通過添加隱藏層的多次遞歸，可以提高語言模型的性能，語音識別任務中，在提高後續詞預測準確率及總體識別錯誤率方面都超越了當時最好的基準系統，Schwenk 等將類似的模型用在統計機器翻譯任務中，採用BLEU（bilingual evaluation understudy,BLEU）評分機制評判，提高了近2 個百分點。此外，基於深度學習模型的特徵學習還在語義消歧、情感分析[等自然語言處理任務中均超越了當時最優系統，取得優異表現。 本系在「自然語言處理」次領域下，以「資料檢索」、「文字探勘」與「聊天機器人」為主要的應用領域。

  1. 大數據分析

「數據分析與管理」的目的是把隱沒在一大批看來雜亂無章的數據中的信息集中、萃取和提煉出來，以找出所研究對象的內在規律。在實用中，數據分析可幫助人們作出判斷，以便採取適當行動。數據分析是組織有目的地收集數據、分析數據，使之成為信息的過程。這一過程是質量管理體系的支持過程。在產品的整個壽命周期，包括從市場調研到售後服務和最終處置的各個過程都需要適當運用數據分析過程，以提升有效性。例如J.開普勒通過分析行星角位置的觀測數據，找出了行星運動規律。又如一個企業的領導人要通過市場調查，分析所得數據以判定市場動向，從而制定合適的生產及銷售計劃。因此數據分析有極廣泛的應用範圍。 人工智慧得以實現最大的飛躍是大規模並行處理器的出現，特別是GPU，它是具有數千個內核的大規模並行處理單元，而不是CPU中的幾十個並行處理單元，這大大加快了現有的人工智慧演算法的速度，現在已經使它們可行。大數據可以採用這些處理器，機器學習演算法可以學習如何重現某種行為，包括收集數據以加速機器。人工智慧不會像人類那樣推斷出結論。它通過試驗和錯誤學習，這需要大量的數據來教授和培訓人工智慧。人工智慧應用的數據越多，其獲得的結果就越準確。在過去，人工智慧由於處理器速度慢、數據量小而不能很好地工作。也沒有像當今先進的傳感器，並且當時網際網路還沒有廣泛使用，所以很難提供實時數據。人們擁有所需要的一切：快速的處理器、輸入設備、網絡和大量的數據集。毫無疑問，沒有大數據就沒有人工智慧。 本系在「大數據分析」次領域下，以「生物資訊」、「智慧醫學」、「雲端運算/邊緣運算」、「智慧生活」、「營運模式」與「產業4.0」為主要的應用領域。 領域召集人：林冠成教授。 領域成員：蔡垂雄教授、呂瑞麟教授、詹永寬教授、蔡孟勳教授、陳育毅教授、林冠成教授、陳家榛教授、英家慶助理教授。 專題實驗室：「多媒體科技與應用實驗室」、「XML科技實驗室」、「數位健康管理實驗室」、「電子商務實驗室」、「數位學習科技實驗室」、「智慧生活實驗室」與「人工智慧與應用實驗室」等專題實驗室。 院級實驗室(中心)：產業發展研究中心(陳家榛教授主持)、前瞻無所不在商務實驗室(陳育毅教授主持)。

資訊管理與資訊安全領域：

本領域以「資訊管理與資訊安全」領域之研究與教學為主軸，並延伸出三大次領域：「區塊鏈」、「資訊安全」、及「資訊管理」。說明如下：

  1. 區塊鏈

「區塊鏈」是一個不斷增長的記錄列表，稱為區塊，使用密碼學鏈接。每個區塊包含前一個區塊的加密散列，時間戳和事務數據(通常表示為Merkle樹)。隨電子商務之逐漸普及化，越來越多的交易都透過網際網路付款。如代幣式付款系統之類的電子現金、電子支票、智慧卡，與信用卡式付款系統的SET電子安全交易、電子安全交易、NON-set電子安全交易等。而目前這些電子商務相關的金融服務往往就是區塊鏈最好的應用場域。 物聯網+區塊鏈＝新型跨業共享經濟，隨著物聯網裝置與應用的不斷擴展，互通性和資源共享的需求成為必要議題，物聯網龍頭已紛紛布局，物聯網轉向跨業共通的整合系統是未來趨勢。同時，物聯網中心化架構面臨許多管理上的挑戰，區塊鏈「智慧合約」加上「物聯網」是新興的解決方法。 本系在「區塊鏈」次領域下，以「智慧(物)聯網」與「金融科技」為主要的應用領域。

  1. 資訊安全

國際研究暨顧問機構Gartner預測，物聯網設備數量將快速上升，至2020年將會有204億個物聯網設備連上網路，由於物聯網裝置數量過多又缺乏安全控制措施，使得遭利用作為DDoS攻擊來源數目急遽提升。物聯網為實體物品被嵌入電子軟體或感測器，並與網路連接所組成的網路系統，以達到資料蒐集 或交換之功能，這些實體物品可以為感應門禁系統、智慧電鍋、智慧插座、智慧冰箱及智慧汽車等，智慧物聯網設備讓生活更便利，但也成為資安犯罪的漏洞。 資訊網路安全係指防止計算機內部及網路上之資訊被非法使用、竄改與破壞、在網路上傳遞之動態資訊被竊聽、偽造、更改與重送等等。(電子商務)資訊安全也是本學群的發展重心，其含蓋有電子現金(E-cash)系統與電子付款機制、應用軟體供應商(ASP)之軟體保護技術、電子商務安全技術、電子郵件保護系統、基因保密技術、電子招標系統等。資訊安全管理部份係指如何強化組織資訊安全的能力，並確保所建立的資訊安全管理系統(Information Security Management System, ISMS)能達到資訊的機密性、完整性、及可靠性。 雲端服務改變數位資料儲存的方式，數位影像擁有者只需將檔案資料上傳至雲端，即能同步到所有電腦，讓管理更加方便且有效率，但其資料傳送及儲存之安全性備受關注，「數位影像認證」主要以偵測數位影像是否曾於傳送或儲存階段遭受惡意或不法之竄改，並進而針對這些疑似竄改區域加以復原，而數位浮水印被廣泛地使用在數位影像的著作權保護與完整性驗證上，當要進行影像驗證時，便取出預藏在影像中的浮水印來與影像特徵值比對，以判定影像是否遭受竄改，甚至進一步將被竄改的區域復原。 本系在「資訊安全」次領域下，以「智慧(物)聯網安全」、「資訊安全管理」、「網路安全」、與「數位影像認證」為主要的應用領域。

  1. 資訊管理

資訊管理學域發展至今有30餘年的歷史，伴隨著資訊科技的導入，資訊管理研究方向與主題也呈現快速的變化。李永挺之碩士論文(2006年，「資訊管理研究主題之趨勢分析－以1996-2006年SSCI期刊為例」)探討近十餘年來，資訊管理研究過去的歷程及未來發展的趨勢。其自MIS Quarterly及Information Systems Research這兩個屬SSCI重量級資訊管理國際知名期刊中，從1996年至2006年間所發表的文章中，搜集了193篇論文為研究樣本。並擴展Lai與Mahapatra(1997)所提出的IT實施程序模式，進行資料的分類。結果顯示過去十年來資訊科技研究議題的文獻有逐年增加的現象，且資訊管理研究主題亦呈現多樣性的研究趨勢。 梁定澎與陳登能教授(2005年, 梁定澎，陳登能，民94，資訊管理研究主題的趨勢分析，資訊管理學報，12卷第2 期，頁1-24。)也探討資管研究過去的歷程及未來發展的趨勢，研究收集了1980年至2001年間8個主要資管學術期刊，共3841篇文章進行分析，以瞭解這20年來資訊管理的研究主題與多樣性程度的趨勢變化。結果發現，在過去20年來研究議題是不斷變動的，不同的時期各具有不同的研究重點。藉由多元尺度分析法的分析，顯示有兩個明顯的演化趨勢。趨勢A，從1980年到1991年間，「系統設計議題」成長最多，「決策支援系統」議題也持續成長。顯示出資管研究是應用導向的研究方向，且是受到資訊技技發展的影響。另一趨勢B，從1991年到2001年中，最大差異是「資訊系統產業的應用」議題的成長。表示資訊技科在產業中的應用逐漸普及，但在「決策支援系統」則大幅減少，顯示出它的普及或遇到了某些瓶頸。另外，並發現「新的資訊科技的引進」與及「應用的需求」是兩個主要驅動力量，不斷的將資管的演化過程向前推進。 本系在「資訊管理」次領域下，以「數位學習」與「專案管理」為主要的應用領域。 領域召集人：林詠章教授。 領域成員：楊朝成教授、蔡垂雄教授、沈肇基教授、林詠章教授、陳育毅教授。 專題實驗室：「無線網路管理實驗室」、「數位生活科技實驗室」、「資訊與網路安全管理實驗室」與「電子商務實驗室」等專題實驗室。 院級實驗室：前瞻無所不在商務實驗室(陳育毅教授主持)。
瀏覽人次： 4,304