第1周：藝術市場概述
•介紹藝術市場的基本概念與結構
•第一市場與第二市場的區別
第2周：藝術品的投資價值
•探討藝術品作為投資資產的特性
•藝術品的稀缺性與市場需求分析
第3周：藝術品評估基礎
•學習藝術品評估的基本原則
•介紹常用的評估方法
第4周：影響藝術價格的因素
•藝術家的名聲與作品歷史
•市場趨勢與經濟環境的影響
第5周：定量分析工具
•介紹數據收集與分析方法
•使用市場數據進行價值判斷
第6周：定性分析方法
•探討藝術作品的文化與情感價值
•案例分析：成功的藝術投資案例
第7周：當代藝術市場動態
•當代藝術品的市場趨勢
•新興藝術家的崛起與影響
第8周：法律與稅務考量
•藝術投資中的法律問題
•藝術品交易的稅務影響
第9周：全球藝術市場比較
•不同國家和地區的藝術市場特徵
•亞洲與西方市場的差異分析
第10周：收藏策略與管理
•如何建立和管理個人或機構的藝術收藏
•藝術品保險與維護的重要性
第11周：拍賣行與畫廊運作
•拍賣行的運作模式及其對價格的影響
•畫廊在藝術市場中的角色
第12周：數字藝術與NFT
•數字藝術的興起及其投資潛力
•NFT（非同質化代幣）對傳統藝術市場的挑戰
第13周：案例研究一：成功投資者分享
•邀請成功投資者分享經驗與見解
•分析他們的投資策略和決策過程
第14周：案例研究二：失敗案例分析
•探討失敗的藝術投資案例及其教訓
•如何避免常見錯誤
第15周：未來趨勢預測
•對未來藝術市場發展趨勢進行預測
•新技術對藝術投資的影響
第16周：學員專題報告準備
•學員選擇主題，準備專題報告
•指導學員如何整理資料和進行展示
第17周：專題報告發表
•學生進行專題報告發表，互相交流意見
•評估報告內容和呈現方式
第18周：課程總結與未來展望

2/22(六) 課程介紹 羅禾淋

3/01(六) 錄像藝術簡介(羅禾淋)
3/08(六) 錄像藝術發展(羅禾淋)
3/15 (六) 錄像藝術深度探討(羅禾淋)
3/22(六) 錄像藝術報告(羅禾淋)

3/29(六) 動力藝術簡介(周柏慶)
4/05(六) 動力藝術發展(周柏慶)
4/12(六) 動力藝術深度探討(周柏慶)
4/19(六) 動力藝術報告(周柏慶)

4/26(六) 聲音藝術簡介(曾薇熹)
5/03(六) 聲音藝術發展(曾薇熹)
5/10(六) 聲音藝術深度探討(曾薇熹)
5/17(六) 聲音藝術報告(曾薇熹)

5/24(六) 互動藝術簡介(黃孟凡)
5/31(六) 互動藝術發展(黃孟凡)
6/07(六) 互動藝術深度探討(黃孟凡)
6/14(六) 互動藝術報告(黃孟凡)

6/21(六) 課程總結(彈性上課)

01.授課教師:張瑀真主任
02.林佳鋒（故事工廠創辦人暨執行長）
03.殷美玉（雄獅旅行社企業服務部副總）
04.洪孟啟（前文化部部長）
05.林宜標(時藝多媒體總經歷)
06.曾介宏(北藝大藝術管理研究所所長)
07.王統生(國家兩廳院公共溝通部經理)
08.曾旭正
09.陳濟民局長（文資局局長）
10.江宜馨(台灣玩具博物館總監)
11.徐則鈺(中華民國消費者文教基金會副董事長)
12.馬幼娟（世界宗教博物館館長）
13.王孟超(台北表演藝術中心執行長)
14.郭耿甫(優人神鼓執行長)
15.黃碧端校長（南藝大前校長、前教育部政務次長）
16.邱瑗(台中歌劇院總監)
17.鄭家鐘(台新銀行文化藝術基金會董事長)
18.期末報告

第一周：引言與概念
•介紹區塊鏈及其基本概念。
第二周：區塊鏈歷史
•探討區塊鏈的起源及發展歷程。
第三周：去中心化理論
•理解去中心化的意義及其社會影響。
第四周：信任與共識機制
•研究信任建立的方式及共識機制的運作。
第五周：區塊鏈與貨幣
•探討加密貨幣及其對傳統金融系統的挑戰。
第六周：數位身份與隱私
•分析區塊鏈如何改變數位身份管理和隱私問題。
第七周：智能合約
•了解智能合約的概念及其應用案例。
第八周：區塊鏈與媒體
•探索區塊鏈在媒體生態中的角色。
第九周：社會運動與區塊鏈
•研究區塊鏈如何支持社會運動和公民參與。
第十周：治理與政策
•討論區塊鏈在公共治理中的應用。
第十一周：技術挑戰與未來展望
•分析當前區塊鏈技術面臨的挑戰及未來發展方向。
第十二周：案例研究 I
•深入分析一個成功的區塊鏈項目案例。
第十三周：案例研究 II
•研究一個失敗的區塊鏈項目，探討原因。
第十四周：倫理與責任
•討論區塊鏈技術的倫理問題及社會責任。
第十五周：跨界應用
•探索區塊鏈在不同領域（如醫療、教育）的應用。
第十六周：全球視野下的區塊鏈
•研究不同國家和地區對於區塊鏈的政策和實踐。
第十七周：未來科技趨勢
•分析未來科技（如AI、IoT）與區塊鏈的結合潛力。
第十八周：總結與展望
•總結學習內容，展望未來發展趨勢。

1.Introduction to Data Science and AI application
2.Development of Data Science in AI techniques
3.Data Mining and Data Exploration
4.Supervised Learning
5.Classification
6.Regression
7.Association
8.Unsupervised Learning
9.Clustering
10.Evaluation
11.Text Mining
12.Deep Learning
13.Recommendation Engine
14.Feature Selection