一、課程設計原則
資工系設立「人工智慧與創新應用碩士班」之目標在於培育能運用人工智慧科技於創新跨域應用之多元專長人才,在課程設計原則如下:
- 人工智慧基礎背景能力建立:開設人工智慧專業所需之數學理論與程式實作相關課程,為不同專業背景的學生建立日後學習人工智慧專業與跨域應用能力基礎。
- 人工智慧核心科技能力學習:開設人工智慧核心科技課程,奠定理論基礎與培養實作能力,期使學生具備人工智慧核心科技專長,以作為應用實務之專業基礎。
- 人工智慧跨域應用能力訓練:開設智慧科技跨域應用課程,以實際應用加深加廣學生人工智慧專業涵養,藉此拓展學生多元專長知能,提升職涯發展競爭潛力。
- 人工智慧創意研發能力養成:開設創新研究開發訓練課程,訓練學生思考分析、發揮創意、動手實踐、解決問題的能力,訓練學生具備執行創意研發的能力。
二、課程架構設計
基於上述原則,本碩士班課程將分成四大課群,分別是「AI基礎能力」課群、「AI核心科技」課群、「AI跨域專題」課群以及「創意研究訓練」課群。四課群之內容與能力涵養目標說明如下:
- AI基礎能力課群:本課群包含機器學習與人工智慧。
- AI核心科技課群:本課群範圍涵蓋深度學習、大數據分析、資料探勘、數位訊號處理、影像處理、電腦視覺、音訊處理與分析、自然語言處理、人機互動、資訊安全、智慧物聯網、行動計算、資料視覺化、虛擬實境與擴增實境、嵌入式智慧系統設計、無人載具實作與應用、感測裝置原理等核心專業課程,此課群旨在建立學生人工智慧核心科技之理論與實作能力,以作為修習跨域應用課群以及進行碩士論文研究之專業基礎。
- AI跨域專題課群:依據訓練學生具有結合人工智慧科技與跨域應用之訓練目標,本課群將規劃數個應用領域由學生依興趣與論文研究主題選定後修習該領域下之專題課程,專題課程強調深碗式專業訓練,將由授課教師設計該領域之相關議題,引導學生先從領域背景的涉略開始,再進行問題分析,進而思考將人工智慧科技引入以解決問題,如下列領域:
-
- 智慧食農科技領域專題
- 智慧觀光休閒領域專題
- 智慧健康照護領域專題
- 智慧學習科學領域專題
- 智慧諮商輔導領域專題
- 智慧藝文傳承領域專題
- 智慧環境永續領域專題
目前,本系教學團隊已有多位教授均曾執行科技部及業界委辦之跨域合作專題研究計畫,加上透過與本校多個跨院系所師資合作的方式,足夠滿足本課群的課程師資需求。
-
- 創意研究訓練課群:本課群要求學生修習「論文研討」與「碩士論文」課程,旨在訓練學生具有觀摩與評析論文,發揮創意解決問題,以及撰寫科技論文及技術報告之能力。
三、重要相關規定(Important Regulations):
最低畢業學分數(Minimum graduation credits):
- 畢業學分(Graduation credits):30.0學分(credits)
- 專業必修(Professional Required):6.0學分(credits)
- 專業選修(Professional elective):24.0學分(credits)
- 本碩士班學生修習專業選修課程需包含「人工智慧課程類5選2」至少6學分;專業選修內修習本碩士班開設之專業選修課程至少9學分,其餘9學分可選擇其他研究所之專業選修課程。
- 碩士生修習資訊工程學系碩博士班之專業選修科目均得列入畢業學分。
- 申請抵免學分以專業選修課程學分數二分之一為限,本系開設之課程者不在此限。抵免時程以學校規定辦理。
- 碩士生每學期必須修習「專題講座」課程,修滿(一)、(二)、(三)、(四)或直至畢業為止,但除(一)、(二)之外,所修學分不列入畢業學分。五年修讀學、碩士生請另行參照本系五年修讀學、碩士學位實施細則。
- 碩士生每學期必須修習「論文研究」課程,畢業學分至多採計2次4學分。
- 碩士生需通過英文資格認定方可畢業。相關英文課程之認定,請參考「資訊工程學系研究所英語能力畢業規定」。
- 本系每位同學(含雙主修同學)均必須選修「程式設計能力檢定」課程並取得成績等第,惟此成績等第之高低不影響畢業。
- 凡以各類獎學金入學之受獎學生,除了本課規之外,另須依該獎學金之相關規定辦法修課及完成學業。
- 本學年度起入學之本系研究所學生,須於入學後之第一學期選課期間,至系辦登記修習「臺灣學術倫理教育資源中心」線上平台之「學術研究倫理教育課程」,須通過線上課程測驗成績達及格標準,並出示修課證明始得申請學位考試。未通過者,須於申請學位考試前補修完成,未完成本課程者,不得申請學位考試。
- 為推動全英語授課,理工學院EMI教師所開設之EMI課程,與本系相同課名或相同性質課程可視為等同課程。請參閱相同或等同課程對照表。
四、課程列表
科目名稱 Course Title(Chinese) |
英文科目名稱 Course Title(English) |
科目代碼 Course Number |
學分 Credit |
*先修科目或#背景科目 *Prerequisite course or #Background course |
備註 Remarks |
---|---|---|---|---|---|
專業必修(required) | |||||
論文研究 | Thesis | AIIA50000 | 2.0 | 每學期必修 | |
專題講座(一) | Special Topic Lecture (Ⅰ) | AIIA50010 | 1.0 | 碩一必修 | |
專題講座(二) | Special Topic Lecture (Ⅱ) | AIIA50170 | 1.0 | 碩一必修 | |
專業選修(elective) | |||||
影像處理 | Image Processing | AIIA50150 | 3.0 | ||
高等電腦視覺 | Advanced Computer Vision | AIIA50160 | 3.0 | ||
柔性計算系統實務 | Realization of Soft Computing Systems | CSIE@0840 | 3.0 | ||
高等資訊檢索 | Advanced Information Retrieval | CSIE@0850 | 3.0 | ||
大數據分析 | Big Data Analytics | AIIA50060 | 3.0 | ||
圖型識別 | Pattern Recognition | CSIE@0860 | 3.0 | ||
智慧型系統設計 | Intelligent System Design | AIIA50130 | 3.0 | ||
大數據系統 | Big Data Systems | AIIA50050 | 3.0 | ||
最佳化方法與應用 | Optimization methods and applications | AIIA50020 | 3.0 | ||
電腦視覺與機器學習 | Machine Learning in Computer Vision | CSIE@0870 | 3.0 | ||
推薦系統 | Recommender System | AIIA50070 | 3.0 | ||
智慧異質無線網路資源管理 | Intelligent Resource Management for Heterogeneous Wireless Networks | CSIE@0880 | 3.0 | ||
最佳化與決策專題 | Topics on optimization and decision making | AIIA50200 | 3.0 | ||
智慧物聯網技術與應用 | Intelligent IoT technologies and applications | AIIA50100 | 3.0 | ||
社群網路與推薦系統 | Social Networks and recommender systems | AIIA50090 | 3.0 | ||
實務程式設計與應用 | Pragmatic Programming and Applications | AIIA50210 | 3.0 | ||
臨床醫學與智慧醫療照護 | Clinical Medicine and Smart Healthcare | CSIE@0970 | 3.0 | ||
高互動多媒體設計之研究 | Highly interactive multimedia design | AIIA50180 | 3.0 | ||
電腦對局理論 | Theory of Computer Games | AIIA50190 | 3.0 | ||
程式設計能力檢定 | Programming Ability Certification | AIIA50110 | 0.0 | ||
*四、其他 | / | CSIE@0920 | 3.0 | ||
專題講座(三) | Special Topic Lecture (Ⅲ) | AIIA50220 | 1.0 | 碩二必修 | |
專題講座(四) | Special Topic Lecture (Ⅳ) | CSIE@0940 | 1.0 | 碩二必修 | |
科技英文寫作 | Science and Technical Writing | CSIE@0950 | 3.0 | ||
以下科目 5 選 2,至少需修習 6.0 學分(select 2 lectures from 5 lectures, at least 6.0 credits) | |||||
人工智慧 | Artifical Intelligence | AIIA50030 | 3.0 | ||
機器學習 | Machine Learning | AIIA50120 | 3.0 | ||
資料探勘 | Data Mining | AIIA50040 | 3.0 | ||
深度學習基石與實務 | Foundation and Practice of Deep Learning | AIIA50140 | 3.0 | ||
前瞻機器學習原理與技術 | Advanced Machine Learning Principles and Technology | AIIA50080 | 3.0 |