顯示:
文史數位工具培訓課程|歷史地理資訊系統
數位人文實驗室 教授
資訊與通訊科技的快速發展與運用已引發了所謂的「數位革命」,人文學者所棲處的社會與文化情境也有了天翻地覆的改變,其原本慣習的研究工具與研究方法,乃至思考問題的概念架構,以及判斷學術品質良窳高下的標準,也已面臨日益增加的挑戰,人文研究的「典範轉移」似乎正在進行之中。
因此,本研究室擬結合數位科技的專家與人文領域的學者,共同探索如何利用數位科技與數位內容進行人文研究,以建立新的研究典範。此外,我們也希望能共同探索數位科技對於人類社會與文明所帶來的衝擊,並省思因應之道。
教學進度
Syllabus
講 次 | 教 學 進 度 |
第1講 | 雲端上的寶藏:現代與歷史空間圖資 |
張智傑老師|中央研究院人文社會科學研究中心地理資訊科學研究專題中心 | |
第2講 | Quantum GIS操作 |
劉濠雄老師|中央研究院人文社會科學研究中心地理資訊科學研究專題中心 | |
第3講 | GPS介紹與田野調查應用 |
張智傑老師|中央研究院人文社會科學研究中心地理資訊科學研究專題中心 | |
第4講 | 歷史地理資訊系統HGIS |
劉濠雄老師|中央研究院人文社會科學研究中心地理資訊科學研究專題中心 | |
第5講 | 門牌地址的定位服務 |
劉濠雄老師|中央研究院人文社會科學研究中心地理資訊科學研究專題中心 | |
第6講 | 統計資料GIS化 |
劉濠雄老師|中央研究院人文社會科學研究中心地理資訊科學研究專題中心 | |
第7講 | 六朝健康歷史地理信息化研究-基於歷史地理文獻與城市考古資料|上午專題演講 |
南京大學陳剛教授 | |
合辦單位|禮俗宗教研究室、數位人文學研究室 | |
第8講 | 六朝健康歷史地理信息化研究-基於歷史地理文獻與城市考古資料|下午系統展示 |
南京大學陳剛教授 | |
合辦單位|禮俗宗教研究室、數位人文學研究室 | |
瀏覽人次:3525
文史數位工具培訓課程|社會網絡分析
數位人文實驗室 教授
資訊與通訊科技的快速發展與運用已引發了所謂的「數位革命」,人文學者所棲處的社會與文化情境也有了天翻地覆的改變,其原本慣習的研究工具與研究方法,乃至思考問題的概念架構,以及判斷學術品質良窳高下的標準,也已面臨日益增加的挑戰,人文研究的「典範轉移」似乎正在進行之中。
因此,本研究室擬結合數位科技的專家與人文領域的學者,共同探索如何利用數位科技與數位內容進行人文研究,以建立新的研究典範。此外,我們也希望能共同探索數位科技對於人類社會與文明所帶來的衝擊,並省思因應之道。
教學進度
Syllabus
♠ | QGIS(原稱Quantum GIS)是一個自由軟體的桌面GIS軟體。它提供資料的顯示、編輯和分析功能。 |
https://zh.wikipedia.org/wiki/QGIS |
講 次 | 教 學 進 度 |
第1R講 | 上集目錄|系統介面介紹 |
第2R講 | 新增與設定專案 |
第3R講 | 地圖影像定位1直接賦予空間座標法 |
第4R講 | 地圖影像定位2橡皮伸縮定位法 |
第5R講 | 數化點向量圖徵 |
第6R講 | 向量圖徵的選取與刪除 |
第7R講 | 數位線向量圖徵自動接合 |
第8R講 | 數位面向量圖徵 |
第9R講 | 儲存專案檔 |
第10R講 | 向量檔在Google Earth上展示 |
第11R講 | 下集目錄|shp檔格式介紹 |
第12R講 | 轉換shp檔屬性編碼 |
第13R講 | 轉換shp檔投影座標系統 |
第14R講 | 屬性資料過濾圖層與另存新圖層 |
第15R講 | 圖層融合Dissolve |
第16R講 | 屬性資料連結Joins |
第17R講 | 設計圓餅圖 |
第18R講 | 設計文字圖表 |
第19R講 | 設計直條圖 |
第20R講 | 設計面量圖 |
第21R講 | 地圖出版1紙張設定與加入圖名、地圖、比例尺 |
第22R講 | 附錄|CBDB的下載方式 |
第23R講 | CBDB的初始設定 |
第24R講 | 從CBDB篩選所需資料 |
第25R講 | CBDB資料匯入QGIS並另存新圖層 |
第26R講 | 利用屬性資料篩選圖層 |
第27R講 | 圖層屬性資料處理與繪製分層設色圖 |
第28R講 | OpenLayers Plugin的安裝與套疊 |
第29R講 | 套疊網路圖磚服務WMTS |
瀏覽人次:2165
文史數位工具培訓課程|中國歷代人物傳記資料庫 CBDB 1
數位人文實驗室 教授
對文史研究者而言,中國歷代人物傳記資料庫(China Biographical Database)是一個十分特殊的數位工具。它並非我們熟悉的史料全文資料庫,在 CBDB中,我們並不能看到一篇篇的人物傳記。然而, CBDB擁有許多獨到的查詢功能,彈指之間,即可為諸多問題提供豐富資訊,例如:於南宋寧宗、理宗朝,福建路下的莆田縣共出了多少進士?這些進士彼此間是否有親緣關係?他們在官場上有何互動?他們有哪些共同的友人?透過這些資訊, CBDB能夠協助研究者重構古人的社交圈、探索古人錯綜複雜的社交網絡。
教學進度
Syllabus
講 次 | 教 學 進 度 |
第1講 | 中國歷代人物傳記資料庫CBDB〡part1 |
李宗翰老師〡金門大學閩南文化研究所 | |
第2講 | 中國歷代人物傳記資料庫CBDB〡part2 |
李宗翰老師〡金門大學閩南文化研究所 | |
第3講 | 中國歷代人物傳記資料庫CBDB〡part3 |
李宗翰老師〡金門大學閩南文化研究所 | |
第4講 | 中國歷代人物傳記資料庫CBDB〡part4 |
李宗翰老師〡金門大學閩南文化研究所 | |
第5講 | 中國歷代人物傳記資料庫CBDB〡part5 |
李宗翰老師〡金門大學閩南文化研究所 | |
瀏覽人次:2157
QGIS|原稱Quantum GIS
數位人文 教授
資訊與通訊科技的快速發展與運用已引發了所謂的「數位革命」,人文學者所棲處的社會與文化情境也有了天翻地覆的改變,其原本慣習的研究工具與研究方法,乃至思考問題的概念架構,以及判斷學術品質良窳高下的標準,也已面臨日益增加的挑戰,人文研究的「典範轉移」似乎正在進行之中。
教學進度
Syllabus
講 次 | 教 學 進 度 |
第1講 | 無知是最大的危險.認識危害就不危險 |
楊天頓老師|政治大學社會學系 | |
第2講 | 網路資訊視覺化 |
熊瑞梅老師|政治大學社會學系 | |
第3講 | 社會網路分析資料 |
鄭力軒老師|政治大學社會學系 | |
第4講 | Network Structure |
鄭力軒老師|政治大學社會學系 | |
第5講 | 社會網絡分析SNA-Nodes,Attributes and Relations |
楊天頓老師|政治大學社會學系 | |
第6講 | 社會網絡分析SNA-Socialmedia |
楊天盾老師|政治大學社會學系 | |
瀏覽人次:7251
文史數位工具培訓課程|中國歷代人物傳記資料庫 CBDB 2
數位人文實驗室 教授
對文史研究者而言,中國歷代人物傳記資料庫(China Biographical Database)是一個十分特殊的數位工具。它並非我們熟悉的史料全文資料庫,在 CBDB中,我們並不能看到一篇篇的人物傳記。然而, CBDB擁有許多獨到的查詢功能,彈指之間,即可為諸多問題提供豐富資訊,例如:於南宋寧宗、理宗朝,福建路下的莆田縣共出了多少進士?這些進士彼此間是否有親緣關係?他們在官場上有何互動?他們有哪些共同的友人?透過這些資訊, CBDB能夠協助研究者重構古人的社交圈、探索古人錯綜複雜的社交網絡。
教學進度
Syllabus
講 次 | 教 學 進 度 |
第1講 | 1-1 下載與安裝 |
第2講 | 2-1 按人查詢 |
第3講 | 2-2 按入仕途徑查詢 |
第4講 | 2-3 官職查詢 |
第5講 | 2-4 查詢親屬關係 |
第6講 | 2-5 查詢社會關係 |
第7講 | 2-6 查詢社會關係網絡 |
第8講 | 2-7 查詢群人之間社會關係 |
第9講 | 3-1 多步驟檢索 |
第10講 | 3-2 使用Access Query Designer進行檢索 |
第11講 | 4-1 如何輸入多筆資料 |
第12講 | 4-2 如何將檢索結果輸出到QGIS軟體 |
第13講 | 4-3 如何將檢索結果匯入Pajek |
瀏覽人次:3745
分散式學習的最佳化和通訊演算法
洪樂文 教授
Syllabus
第1R講 | 分散式學習的最佳化和通訊演算法 〡Internet-of-Things(IOT)Applications |
Learning from Decentralized Datasets- Optimization and Communication Aspects Centralized Architecture Distributed Architecture Mobile Application Medical Applications Internet-of-Things (IoT) Applications Basic (Supervised) Learning Task Distributed Implementation of GD | |
| |
第2R講 | 分散式學習的最佳化和通訊演算法 〡Example:Federated Multi-task Learning |
Alternating Direction Method of Multipliers Core Challenges Example I: Federated Multi-task Learning Example II: Multi-View Clustering Go to Examples Go to Examples Example I: Federated Multi-task Learning | |
| |
第3R講 | 分散式學習的最佳化和通訊演算法〡Example II :Multi-View Clustering |
Example II: Multi-View Clustering Data Collection Local Subspace Clustering Center Broadcast | |
| |
瀏覽人次:2113