課程列表

隨著科技進步，人工智慧逐漸深入人們生活、社交、工作等各層面，而這樣的進步與變化得益於晶片的體積越來越小而運算量越來越大，其中包括記憶體內運算加速器。 「人工智慧運算與記憶體」這堂課將深入介紹各種記憶體、類神經網路以及兩者如何相互結合來達到人工智慧運算，透過一學期密集扎實的課程，讓同學們對記憶體內運算加速器有基礎概念，希望在未來人工智慧加速晶片越來越普及的情況下，能夠幫助同學們善用人工智慧運算與記憶體的科技，為自身領域帶來智慧化的創新與應用。

認列學程 : 智慧運算學分學程

隨著半導體將遇摩爾定律極限、以及傳統計算機架構的馮諾伊曼瓶頸成為大量資料運算的限制，仿神經型態相關研究成為趨勢。其中，仿大腦記憶功能的研究是當前矚目的領域。這堂課將由主攻認知科學領域的張亞寧教授介紹大腦運作模式，以及深耕由記憶體材料元件領域的王超鴻教授記憶體元件的運作，讓學生認識認知、功能、結構，以及神經元、記憶體的運作方式，進而了解仿神經型態計算晶片的設計概念與現今發展狀態。

認列學程 : 人工智慧機器人碩士學位學程、智慧運算碩士學位學程、智慧運算學分學程

在現今講求數據為王的時代，運用及分析數據的能力與速度，已經成為社會競爭力的核心。此門課程希望帶給成大九大學院的學生，了解機器學習的不同方式，有能力可以理解其分析之結果及效應，進而可以延伸至相關應用的資料分析中。

認列學程 : 智慧運算學分學程

演算法是智慧運算重要的一環，而數學則是演算法的重要基礎。這堂課將提供智慧運算中的數學基礎：微積分、線性代數、數值計算以及機器學習。內容包括多變量極值、梯度法、求解矩陣、特徵值、最小平方法以及分類方法。本課程不只介紹理論，還會於課堂討論並輔以程式實作。希望讓初學者不僅能打下扎實的運算數學基礎，亦能學以致用。

認列學程 : 智慧運算學分學程

本課程希望讓同學掌握運算數學基礎中的關鍵核心概念。「離散數學」對電腦科學、資訊科技的應用非常重要，可以說是電腦科學中的數學語言。這堂課著重介紹用於分析運算過程中，各種「離散數學」的基礎和技巧，亦會在理論和應用兩面向之間取得平衡，進而引導同學試著解決實際問題。

認列學程 : 智慧運算學分學程

AI晶片對於科技設備的重要程度，相當於人類的大腦一般不可或缺。了解AI晶片架構與系統設計，是認識人工智慧的重要一環。本課程對 AI 晶片架構和系統設計進行了基本概述。為了讓大家為學習AI晶片設計做好準備，介紹一些硬體設計和軟體設計的基礎知識。課程的前10週包含實作作業，以幫助學生學習相關實作技能。最後的期末專題旨在應用講座中涵蓋的內容，並深入探討學生提出的特定主題的實作方法。本課程推薦給喜歡從零開始學習AI晶片設計的人。本課程採報名審核選課制，詳情請查看課程大綱。

認列學程 : 智慧運算學分學程

人工智慧的產出結果優劣與硬體、演算法、資料量多寡息息相關，只要其中一部份不符要求，即對成效產生相當的影響。此時我們可以透過將演算法最佳化的方式，降低模型對硬體、資料量的要求，亦即讓人工智慧使用最低限度的硬體設備、資料量滿足可供人們應用的需求。 「最佳化理論與應用」這堂課將介紹多項前瞻最佳化的技術，著重於理論背後的數學原理，以及真實世界的應用。課程將透過衛星影像處理、醫學數據分析、5G無線通訊、超穎材料設計等多項已實現最佳化理論之應用來具象化最佳化理論的成效。 雖然課程為碩班程度，亦歡迎擁有線性代數與微積分基礎、興趣濃厚、願意投入的大學部學生選修。

認列學程 : 人工智慧機器人碩士學位學程、智慧運算碩士學位學程、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

本課程教授server side與client side網頁程式技術與程式語言。並介紹網頁開發工具和伺服器，使學生能開發出心目中的網站。

認列學程 : 智慧運算學分學程

隨著資訊教育越來越普及，程式語言儼然成為這個世代的顯學。在各個程式語言中，又屬Python 最易入門，並且應用廣泛，例如：爬蟲、數據分析、影像處理、機器人控制與深度學習等。這堂課將教導Python的基礎語法與進階應用，培養學生使用Python實做的能力，讓學生可以利用Python解決生活、研究或工作上遇到的問題。

認列學程 : 智慧運算學分學程

在現今社會，無論你身處哪個領域，擁有跨人工智慧領域的知識是你脫穎而出的關鍵之一。此門課程希望將人工智慧帶給成大九大學院的同學，透過介紹人工智慧運算的基本概念與跨領域應用現狀，讓各學院的同學能系統性地進入人工智慧的世界，並經由實作過程融會貫通。

認列學程 : 智慧運算學分學程

人工智慧帶來研究突破，亦大量應用在社會生活之中，成為當前法律與管制政策的重要課題。本課程目的在於探討人工智慧治理的管制框架與主要議題，提供跨領域研究者所需要初步法律素養，希望作為跨域思考的起點，注入多元價值於人工智慧的研發應用，幫助形塑整全的人工智慧治理願景。課程的核心關懷將會是人工智慧如何影響當代民主國家，特別是重度仰賴電子產業、社群媒體的當代社會。

認列學程 : 智慧運算學分學程

熱門領域的必備先修技能！無論是機器學習Machine Learning或是巨量資料分析，都需學生擁有機率與資料導論的知識能力。本課程將介紹基礎機率模型及統計方法，包括描述性統計，機率，隨機變數，及樣本平均值的分佈…等。本課亦會講授進階的統計方法：變異數分析和迴歸分析，學生將學習如何把統計方法應用於解決實際的問題。

認列學程 : 智慧運算學分學程

演算法是人工智慧發展至今重要的一環，亦已深入至許多領域的研究與應用，如社會科學、語言分析、統計學、數據分析、資訊工程、電腦工程等。越靈活應用演算法，越能加速執行任務的效率。然而演算法越學越多，要如何選用最有效率的演算法呢？此時我們便需要了解「複雜度理論」。 這堂課屬於入門級別，自數學角度切入，從「複雜度理論」的根源——計算理論（Theory of computation）談起，講解圖靈機模型（Turing Machine）及其所衍生的決定性（deterministic）與非決定性（non-deterministic）函數，乃至複雜度理論。 這堂課亦會談到與複雜度理論相關的密碼學及量子電腦，讓同學對未來資訊安全及未來電腦革新有基本的認識。

認列學程 : 智慧運算學分學程

跨國合開課程好評不斷繼續開！成大敏求智慧運算學院與日本香川高專聯合開課，成大學生將會與香川高專學生一起上課，學習人工智慧機器人實作課程。 這堂課從基礎的AI圖像識別開始講起，讓同學使用Python建置、訓練並評估深度學習模型（deep learning model），並以此應用於實際的機器人自走車，了解如何透過AI圖像識別讓機器人自走車與真實世界互動。老師將指導學生結合其他軟硬體與課程所學，完成人工智慧機器人專案，擁有完整實作的經驗。 這堂課希望學生可以享受動手做的樂趣，藉著學習人工智慧機器人實際應用的原理與工具，擁有相關能力及經歷。在學期期間，如果疫情許可，不排除安排成績優秀同學實地訪問香川高專，讓兩校學生有親身交流的機會。

認列學程 : 智慧運算學分學程

本課為碩士級課程。隨機過程是許多基本大量隨機數據建模的理論基礎，譬如卜瓦松分布、高斯過程、排隊理論等。這些模型廣泛應用於機械工程、電機工程、資訊科學、系統工程、社會科學、金融、財務管理、電腦視覺，乃至現今熱門的深度學習等領域。本課程將介紹隨機過程的基本概念，並著重離散和連續時間馬可夫鍊理論。近年來，隨機過程常應用於優化演算法及模型。這堂課程希望能讓更多同學從根本了解這些隨機數據模型的原理，讓同學能更靈活應用這些模型，完善自己的研究，乃至未來更有效率的執行任務。

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、智慧運算學分學程

計算認知科學是一門運用計算模型理解腦神經元活動和行為的學科，結合認知科學、計算神經科學與人工智慧三領域。這堂課程希望讓學生了解神經網路的理論基礎與模型，以及大腦與認知科學研究議題與研究方法，進而了解計算模型的建構及其在認知科學研究的應用。對於非本科生而言，這堂課可以帶領你進入認知科學，了解心智運作的基礎理論與模型。目前計算認知科學已為人工智慧領域帶來突破，對於欲精進人工智慧的同學而言，是具啟發性的跨領域嘗試。

認列學程 : 智慧運算學分學程

AI晶片是為了訓練AI演算法所設計的晶片，而晶片的系統軟體，則是我們為晶片所設計、符合其效用的運作模式。一般而言，我們會依據系統軟體來設計相應的AI晶片硬體。這堂課以專題討論的形式進行，學生將在人工晶片系統軟體的領域，挑選一主題進行實作與討論，在課程中學生將學會下面相關主題與技能：1.開源軟體專案實作與整合 2.人工智慧晶片系統軟體架構與設計 3.問題解決與實作能力。 雖然課程為碩班程度課程，亦歡迎興趣濃厚、願意投入的大學部學生選修。課程採報名審核選課制，詳情請查看下方課程大綱。

認列學程 : 智慧運算學分學程

可解釋的人工智慧，解析人工智慧自動決策背後的理由，是人工智慧技術進階研發、提升人類對人工智慧之信任的關鍵。如何於自動化決策中提供有意義的資訊給資料主體，除了有一般性的考量外，於不同應用場域，更有不同專業知識與價值的注入。本課程希望建立跨領域研究者的溝通平台，邀請不同領域專家就可解釋人工智慧議題發表前沿研究心得，提供同學與研究者互動學習機會，共同探索智慧運算研究發展的多元取徑。

認列學程 : 人工智慧機器人碩士學位學程

可解釋人工智慧 XAI 是人工智慧領域一個重要的新興研究領域，因為可解釋性對於生物醫學和醫療保健應用至關重要。本課程將概述用於生物醫學和醫療保健應用的相關 XAI 技術（例如，XAI 分類、事後和透明方法）。結合動手實驗室，預計學生在可解釋的人工智慧方面，會學習到實作的技能和紮實的知識。

認列學程 : 人工智慧機器人碩士學位學程

演化式計算是基於進化論的原則，強大而廣泛適用的隨機搜索和優化技術。在過去的幾年裡，進化程序演算法界已經把大部分注意力轉向了工業工程的優化問題，從而產生了一系列新的研究和應用，擴展了以前的研究。授課內容將包括以遺傳基因演算法和程式設計、進化策略、人工生命和其他依賴於進化原理的模型為中心的進化和自然計算相關領域的理論和應用。學生將執行課程專案，將討論的技術應用於數值優化問題、機器學習以及生物和文化系統的模擬。

認列學程 : 人工智慧機器人碩士學位學程

敏求智慧運算學院邀請台灣人工智慧學校「人工智慧加速器短期課程」蒞臨成大開課，由哈佛大學計算機科學與電機工程的William H. Gates講座教授—孔祥重院士親臨現場授課，帶來人工智慧加速器相關架構及軟硬體最新專業趨勢，引領相關人才迎接未來機會與挑戰。學院之學程學生若完成本課程，將可計入修讀學分。學院未來將引入更多世界級頂尖課程，給予學生全球一流、彈性自由的學研環境。

認列學程 : 人工智慧機器人碩士學位學程、智慧運算碩士學位學程、智慧運算工程博士學位學程、智慧運算學分學程

這堂課是為無智慧運算基礎背景的同學開設，歡迎成大全校學生選修。課程旨在透過兩周的密集課程訓練，讓同學建立程式、影像處理、倫理政策、自然語言分析、認知科學、記憶體、半導體等基本認知與能力，以理論與實作並行的方式，探索智慧運算各個面向。 本課程為彈性密集課程，於8/15-8/26授課。外系所申請方式及每日上課時間請見課程大綱。

認列學程 : 人工智慧機器人碩士學位學程、智慧運算碩士學位學程、智慧運算學分學程

這門課程教授運算思維以及提供大量實例分析訓練，讓學生在課程結束後掌握解決問題的一套流程，透過定義、拆解問題、推論歸納規律性與抽象化等觀念和技巧，判斷與轉換適合用運算思維處理的問題來解決難題。 學生會在期末使用課堂所學到的運算思維以及解決問題的技巧來練習解決生活實際遇到的問題。本課程適合任何想要學習如何透過程式設計來解決問題的學習者，沒有學過程式設計者也可以選修。本課程採報名審核選課制，詳情請查看課程大綱。

認列學程 : 智慧運算學分學程

演算法是人工智慧發展至今重要的一環，亦已深入至許多領域的研究與應用，如社會科學、語言分析、統計學、數據分析、資訊工程、電腦工程等。靈活應用演算法能加速執行任務的效率。然而要了解演算法的效率，便需要了解「複雜度理論」。 這堂課屬於入門級別，從「複雜度理論」的根源——計算理論（Theory of computation）談起，講解圖靈機模型（Turing Machine）及其所衍生的決定性（deterministic）與非決定性（non-deterministic）函數，乃至複雜度理論。 這堂課亦會談到與複雜度理論相關的密碼學及量子電腦，讓同學對未來資訊安全及未來電腦革新有基本的認識。

認列學程 : 智慧運算學分學程

數學推理是撰寫演算法及程式的關鍵。本課程希望讓同學掌握運算數學基礎中的關鍵核心：「離散數學」。它對電腦科學、資訊科技，乃至人工智慧的應用都非常重要，可以說是電腦科學中的數學語言。這堂課著重介紹用於分析運算過程中，各種「離散數學」的基礎和技巧，亦會在理論和應用之間取得平衡，進而引導同學試著解決實際問題。

認列學程 : 智慧運算學分學程

人工智慧為生物醫學工程領域帶來極大的變革；在未來，亦將持續加速生物醫學工程等領域發展。本課程結合理論與實踐，帶給學生生物醫學工程相關建模和模擬中感興趣的方法及其應用。透過本課程，同學可以了解到該領域相關應用知識，以探索未來發展可能性。

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

當代社會已經進入巨量資料時代，大量數位資料的積累，以及人工智慧的發展，已經開始改變民主治理的樣貌。民主治理的討論視野，從過往以政府為中心，逐漸觸及公私部門的治理行動、過程、與社會實踐。本課程的目標，在於耙梳近年人工智慧與民主治理的發展。課程將涵蓋民主治理的重要概念，並引導學生深入探討特定民主治理議題並進行實作。

認列學程 : 人工智慧機器人碩士學位學程、智慧運算碩士學位學程、智慧運算學分學程

本堂課以專題討論的形式進行，希望藉由解決實際問題，讓同學可以練習開源軟體專案實作與整合，以及人工智慧晶片系統軟體架構與設計。學生將在人工智慧晶片系統軟體領域，挑選一主題進行實作與討論。本課程採報名審核選課制，詳情請查看課程大綱。

認列學程 : 智慧運算學分學程

本課程設置旨在培育系統單晶片設計與驗證的人才，帶領學員認識 FPGA 相關設計及實現流程，並使用Synopsys原型驗證（Prototyping）解決方案，從完整的原型驗證流程（Prototyping Flow）中，瞭解RTL 從 bitstream 到 System-level的除錯（debug）功能。

認列學程 : 智慧運算學分學程

自然語言處理 NLP 是人工智慧領域一個重要的研究領域，因為自然語言處理涉及理解人類語言的能力，如何讓電腦使用機器學習技術來處理及解讀文字和資料並學習人類理解語義與運用人類語言至各領域如電商、金融、法律、新聞輿情等。本課程將介紹自然語言處理的概念並從實作練習中建立學生應用自然語言處理的能力。

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、智慧運算學分學程

可解釋的人工智慧，解析人工智慧自動決策背後的理由，是人工智慧技術進階研發、提升人類對人工智慧之信任的關鍵。如何於自動化決策中提供有意義的資訊給資料主體，除了有一般性的考量外，於不同應用場域，更有不同專業知識與價值的注入。本課程將概述相關 XAI 技術（例如，XAI 分類、事後和透明方法），並以法律或醫療應用作為主要討論脈絡。結合專題討論以及實作訓練，預計帶給同學實作技能與新興研究的視野。 本課程歸納並揭露機器學習模型產生結果之黑盒特性，並以醫療應用資料為輔，並讓學習者實作與解析自建構機器學習模型之可解釋性報告。

認列學程 : 人工智慧機器人碩士學位學程、智慧運算碩士學位學程、智慧運算工程博士學位學程、智慧運算學分學程

本課程旨在培養學生了解深度學習在巨量視覺資料分析中的原理與應用，內容含括基礎的機器學習、類神經網路、卷積神經網路、transformers到最新深度學習模型應用到各種視覺分析課題。課程內容及作業形式源自美國華盛頓大學電機與電腦工程學系，可讓學生充分感受美國頂尖大學的課程節奏與強度。

認列學程 : 人工智慧機器人碩士學位學程、智慧運算碩士學位學程、智慧運算工程博士學位學程、智慧運算學分學程

由於網路技術爆炸性的增長，資料以極快的速度生成和在世界上傳播。然而，我們很容易被大量的資料所淹沒但無法得到知識。資料探勘是從大量的資料中發現知識。它的目的是從大量的資料中提取有趣的，不是顯而易見的，隱含的，先前未知的，潛在有用的模式或知識。其中社群網路為近年來快速興起之資訊分享平台，我們需要新的方法分析大量的社群資料，並從中找尋有用的知識。

認列學程 : 人工智慧機器人碩士學位學程、智慧運算碩士學位學程、智慧運算工程博士學位學程、智慧運算學分學程

本課程對於高等計算機結構與AI晶片設計進行了進階主題探討。為了讓大家為學習AI晶片設計做好準備。課前會教紹一些進階的高等計算機結構主題，以及AI晶片設計上需要的一些基本知識，課程另外還包含9份實作Lab作業，以幫助學生學習相關實作技能。本課程推薦給想深入學習AI晶片設計的人。

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