SOC
本課程將介紹多項前瞻最佳化技術，為符合SOC理念，我們將對背後的數學原理多做著墨、並且注重真實世界的應用，本課程會提及衛星影像處理、醫學數據分析、5G無線通訊、超穎材料設計等，以這些最前瞻的技術與應用，我們將以深入淺出的方式介紹這些基礎數學與真實世界應用之間的橋樑。
認列學程 : 人工智慧機器人碩士學位學程
本課程介紹半導體記憶體之元件結構及物理、製程技術、基本電路架構與設計原理。含蓋範圍包括揮發性記憶體（SRAM及DRAM）、傳統非揮發性記憶體 NAND, NOR FLASH 及未來非揮發性記憶體（電阻式記憶體、相變化記憶體、磁阻式記憶體、鐵電記憶體）。
認列學程 : 智慧運算碩士學位學程、智慧運算工程博士學位學程
本課程將介紹半導體積體電路晶片的製作流程，從基本材料特性出發到電子電路元件的整體製作過程，進行詳盡完整的介紹。內容將規劃積體電路元件特性簡介及積體電路製程介紹，製成介紹中包含擴散、黃光、蝕刻、薄膜及化學機械研磨等多道製程，為此課程之基礎，課程最後將會帶到最先進的半導體製程技術，如：鰭式場效電晶體FinFETs、閘極全環場效電晶體GAAFETs等。
認列學程 : 智慧運算碩士學位學程、智慧運算工程博士學位學程
這是計算理論的入門課程，藉由數學概念和方法來理解計算現象的本質。該理論實際上解釋了現存與將來可能會構建的任何電腦之創建，功能和局限性。本課程也將介紹基本的計算複雜性理論，並特別討論其與（基於複雜性的）密碼學之間的關係。 計算複雜性理論利用圖靈機作為電腦的數學模型，來研究使用電腦解決某些問題時所需的資源（時間和空間）。藉由分辨出困難和棘手且無法以有效率之演算法解決的問題，計算複雜性理論為現代密碼學提供了基礎，其目的是設計難以用有限資源破解的密碼系統。 本課程還涉及量子計算，這是密碼學的最新突破。藉由線性代數概念對古典計算加以擴充，我們可以自然的獲致量子計算的數學表述。這些擴充包含了量子閘與量子圖靈機，可以用來建構平行計算（使用量子疊加）的模型，以達成使用嶄新的演算法來加快運算時間之目標。
認列學程 : 人工智慧機器人碩士學位學程、智慧運算學分學程
1: 監督式學習及非監督式學習 2: 多層感知器 3: 邏輯回歸 4: 學習參數估計 5: 可能近似正確模型 6: 常見機器學習模型 7: 正規劃學習演算法 8: 對比式學習 9: 向量支持機 10: VC維度與可學習性 11: 學習收斂極限分析
認列學程 : 人工智慧機器人碩士學位學程
計算模型、AI技術與數據分析已被廣泛地應用在大腦、認知心理的研究領域。本課程的目標是提供學生認知科學研究的重要概念與議題，特別是如何使用計算模型的方法探討認知行為與理論。課程涵蓋語言、閱讀、學習、記憶與視覺相關研究，以及大腦認知活動。所有的主題都會介紹計算模型如何模擬心理學實驗數據、提供認知歷程機制運作的說明，以及其可能的應用。
認列學程 : 智慧運算學分學程
這門課是智慧運算學分學程的頂石課程，由敏求智慧運算學院的老師密切陪伴、引導同學進行智慧運算跨域應用專題。希望讓同學在學習智慧運算相關課程後，能進一步挑戰運用這些能力，解決社會實際問題。這堂課分成一與二兩部份。第一部分將讓同學從尋找定義問題開始，應用所學完成跨域整合應用專題初步構想，並成為下學期第二部分的專題的敲門磚。
認列學程 : 智慧運算學分學程
本課程將介紹生成式人工智慧的基礎知識和應用，包括Chat-GPT等生成式人工智慧工具的使用方法和應用案例。課程將分為兩個部分，第一部分將介紹生成式人工智慧在不同職業和情境任務中的應用，學生需要分組進行角色分配，並進行相關討論和書面報告。第二部分將介紹生成式人工智慧在社會科學量化研究中的應用，並重現相關論文和進行相關討論和實作作業。最後，學生需要進行期末報告，評估生成式人工智慧應用所帶來的影響，並提出新的分析方法和框架。
認列學程 : 智慧運算學分學程
本課程介紹基礎機率模型及統計方法。這包括描述性統計，機率，隨機變數，及樣本平均值的分佈。此外，本課程也教授進階的統計方法：變異數分析和迴歸分析。學生將學習如何將統計方法應用於解決實際的問題上。我們會使用R程式語言於模擬及實例分析。
認列學程 : 智慧運算學分學程
這是人工智能和機器人技術的入門實踐課程。本課程由三部分組成。 第一部分涉及深度學習的圖像識別 AI 的基礎知識。學生將通過使用 PyTorch 等深度學習框架編寫 Python 代碼來學習如何構建、訓練和評估深度神經網絡模型。 第二部分涉及將圖像識別 AI 應用到機器人技術中。通過使用 NVIDIA JetBot 等小型機器人汽車，學生將學習如何使用圖像識別 AI 來控制與現實世界交互的機器人。學生還可以獲得許多有關人工智能和機器人技術的專業知識和技術，這些知識和技術是開展其他項目所必需的。 在第三部分，學生將從事自己的小項目。通過將人工智能與其他一些硬件或軟件相結合，學生將根據自己的想法開發一些新的、有用的或有趣的東西。我們將介紹一些對執行項目有用的相關技術，例如其他 Python 包以及如何使用傳感器和執行器。最後，學生將展示他們自己的項目。 通過完成本課程，學生將能夠： • 使用自定義數據集開發圖像識別 AI。 • 解釋圖像識別人工智能如何用於控制機器人或硬件。 • 提出並實施一個人工智能項目。
認列學程 : 智慧運算學分學程
本課程的主要目標是介紹建模和模擬中普遍感興趣的方法以及其應用，側重於在診斷和治療應用以及生理過程中與生物醫學工程相關的計算方法和應用。 本課程將為學生提供生物醫學工程的建模概念，並通過計算框架了解基本方法。我們將結合相關應用領域的理論和動手實踐。 此外，本課程將向學生介紹如何將這些模型集成到生物醫學工程應用程序和工具中。
認列學程 : 智慧運算學分學程
本課程內容在教導 Python 的基礎語法與進階應用。從熟悉Python開發工具的操作以並可撰寫簡單的Python應用程式，到網頁爬蟲的開發應用。Python 是一種強大的物件導向程式語言，可應用在各個領域，像是網路、影像處理、機器人控制與時下最流行的深度學習。本課程目標在培養學生使用 Python 實做的能力，讓學生可以利用 Python 解決生活中或工作上遇到的問題。
認列學程 : 智慧運算學分學程
