電機工程學系

教學目標
教學目標 本課程的目的在於讓學生能學以致用，提前熟悉業界運作 https://www.chinatimes.com/realtimenews/20190312001260-260405

授課形式
理論講述與討論-0.00%;個案分析或作品賞析-10.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-90.00%;其他-0.00%

課程內容與進度


教科書/參考書


評分標準


學分數
9

授課時數(周)
3

開課班級
B11051

修課人數
8

教學目標
凡有關光-電、電-光交互作用的之理論、材料與元件，皆「光電子學(Optoelectronics/Photonics)」涵蓋的範圍。
本課程包含半導體材料物理、電磁波原理、光波導...等基礎觀念的建立，並介紹發光二極體(LED)、半導體雷射(Laser)與太陽能電池(solar cell)...等常見光電元件之操作原理與設計。


授課形式
理論講述與討論-50.00%;個案分析或作品賞析-20.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
1. Introduction
2. Wave Nature of Light
3. Dielectric Waveguides and Optical Fibers
4. Basics of Optoelectronic pn-Junction Devices
5. Light Emitting Diodes
6. Laser Diodes
7. Photovoltaic Devices


教科書/參考書
參考書:
1. Optoelectronics and Photonics –Principles and Practices, S. O. Kasap, Prentice Hall, 2001
2. Physics of Photonic Devices, 2nd ed. S. L. Chuang, WILEY, 2009
3. Semiconductor Optoelectronic Devices, 2nd ed. Pallab Bhattacharya, Prentice Hall, 1997
4. Optical Electronics in Modern Communications, 5th ed. A. Yariv, Oxford University Press, 1997


評分標準
1. 平時成績 (出席、作業) 20%
2. 課堂口頭報告 40%
3. 期末考 25%
4. 期末書面報告 15%


學分數
3

授課時數(周)
3

開課班級
L11251

修課人數
12

教學目標
本課程介紹嵌入式系統，完成這門課後同學可以學到：

軟體方面:
1. 嵌入式C語言程式設計
2. MicroPython程式設計
3. OpenCV影像處理

硬體方面:
1. STM32F411 開發板使用
2. Raspberry Pi Pico 開發板使用
3. Raspberry Pi Zero 2W 開發板使用
4. 多款電子模組使用

注意事項:
1. 同學需自備電腦, 延長線與三用電表於課堂使用
2. 本課程以PBL(Project based Learning)教學方法為基礎，每週課堂指定Lab實作。


授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
Part 1: Bare-Metal embedded system design (STM32F411 and Raspberry Pi Pico):
1. GPIO
2. Interrupt
3. PWM
4. WDT
5. ADC
6. SDIO
7. I2S
8. DMA
9. WiFi
10. Serial communication_1: USART
11. Serial communication_2: I2C
12. Serial communication_3: SPI

Part 2: Embedded Linux system design (Raspberry Pi Zero 2W):
1. Object detection
2. Masked facial recognition

Part 3: Project demonstration

** 以上進度教師會依同學學習情況做適當調整 **


教科書/參考書
Textbook:
自編講義

References:
1.STM32F411 data sheet and reference manual
(a) https://www.st.com/resource/en/datasheet/stm32f411ce.pdf
(b) https://www.st.com/resource/en/reference_manual/rm0383-stm32f411xce-advanced-armbased-32bit-mcus-stmicroelectronics.pdf
2. Raspberry Pi Pico / Zero: https://speakerdeck.com/piepie_tw


評分標準
1. 作業實作(個人): 60%
2. 期末專題(個人): 35%
3. 讀書心得報告 (個人): 5% (書籍:人月神話)

注意事項:
** 以上成績計算方式，在課程進行中可視狀況調整，授課教師保有修改權利 **
** 作業遲交除特殊原因外，其餘均視為未繳，恕不補繳 **

嘉言錄:
也許你感覺自己的努力總是徒勞無功，但不必懷疑，你每天都離目標更進一步。
今天的你雖然離目標還很遠，但透過當下的努力，蓄積了明天邁向高峰的力量。-- 尼采

學分數
3

授課時數(周)
3

開課班級
L11251

修課人數
14

教學目標
了解多媒體系統之基本概念、壓縮原理、相關演算法與實際應用。

In this course, students will study and discuss about the fundamental concepts, data compression algorithms, and practical applications of multimedia systems.

授課形式
理論講述與討論-80.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度

1. 訊號源壓縮理論基礎。
   
   
2. 多媒體訊號基本概念。
   
   
3. 多媒體系統簡介。
   
   
4. 多媒體的呈現方式。
   
   
5. 資訊理論介紹與無損失壓縮原理。
   
   
6. 有損失壓縮原理。
   
   
7. 靜態影像壓縮技術。
   
   
8. 動態影像壓縮技術。
   
   
9. 多媒體系統國際標準。
   
   
10. 多媒體系統相關應用。

1. Fundamentals of data compression.
   
   
2. Basic concepts of multimedia systems.
   
   
3. Introduction to multimedia systems.
   
   
4. Representation of multimedia signals.
   
   
5. Information theory and lossless compression techniques.
   
   
6. Lossy compression techniques.
   
   
7. Image compression techniques.
   
   
8. Video compression techniques.
   
   
9. International standards for multimedia systems.
   
   
10. Applications.

教科書/參考書

1. Fundamentals of Multimedia
   by Ze-Nian Li, Mark S. Drew, and Jiangchuan Liu,
   Springer, 2021.
   
   
2. Handbook of Image and Video Processing, 2nd Edition
   by Alan C. Bovik,
   Academic Press, 2005.
   
   
3. 課堂講義為輔助。
   
   


評分標準
平時成績、期中考、期末考、期末報告。

學分數
3

授課時數(周)
3

開課班級
L11251

修課人數
7

教學目標
本課程針對硬體資源、功率和速率等考量，介紹從演算法映射到架構的設計方法。

授課形式
理論講述與討論-50.00%;個案分析或作品賞析-10.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
上課時間之安排為：

18:20~18:30 課前說明、討論
18:30~19:10 當日課程主題授課
19:10~19:20 課間討論、休息
19:20~20:00 當日課程主題授課
20:00~20:10 課間討論、休息
20:10~20:50 當日課程主題授課
20:50~21:00 課後討論

將視課程時間，調整下列授課主題

1. Power & Energy
2. Arithmetic Operations
3. Precedence Graphs
4. Signal-Flow Graphs in Precedence Form
5. Computation Graphs
6. Equivalence Transformations
7. Interleaving and Pipelining
8. Algorithm Transformations
10. Pipelining & Parallel Processing
11. Iteration Bounds
12. Single-Interval Scheduling Formulation
13. Block Scheduling Formulation
14. Periodic Scheduling Formulation
15. Unfolding Scheduling Formulation
16. Folding Scheduling Formulation
17. Resource Allocation/Assignment
18. Systolic Architecture Design

教科書/參考書
自編教材。（尊重教材中各原作者的智慧財產權，不提供電子檔。）

評分標準
期中考：50%
期末報告 或 期末考：50%

學分數
3

授課時數(周)
3

開課班級
L11351

修課人數
25

教學目標
培養基礎光電元件感測原理及其相關元件製程與應用技術的基礎知識，並配合專題實驗學習有關光電元件的製程及特性量測，建立未來光電工程專業學習中所需之基礎光電元件知識。

授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%

課程內容與進度
1.光與原子的交互作用 2.黑體輻射與光度的度量 3.材料光學特性與光譜分析 4.光偵測器原理與光響應度量測 5.雷射原理與特性量測 6.光纖元件技術 7.光電檢測技術專題實驗:

教科書/參考書
1.光電技術(Opto-Electronics Technology),徐文娟，牟同升,五南出版 2.物理光學,許招庸箸,俊傑書局出版 Introduction to Optics, Frank L. Pedrotti, S.J.,歐亞出版 3. Optoelectronic Semiconductor Devices, David Wood, Prentice Hall Press. 4.自編講義

評分標準
出席率10% 作業10% 期中測驗40% 期末專題實驗報告40%

學分數
3

授課時數(周)
3

開課班級
C11351

修課人數
35

教學目標
教授各式半導體元件之物理原理與操作特性，介紹各式半導體元件之製作。

授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
I. (1,2)Introduction, Semiconductor Materials and Structures II.(3,4) Energy Bands and Carrier Concentration in Thermal Equilibrium, (5) Energy Bands Donor and Acceptors III. (6)Carrier TransportPhenomena, Drift and Diffusion (7)Thermionic Emission Process (8)High Field Effects (9) Exam. IV. (10) p-nJunction, Thermal Equilibrium Condition (11) Depletion (12)Electrical Behavior (13)Heterojunction V. (14,15)MOSFET and Related Devices, The MOS diode (16)CMOS (17)MOS devices (18)Exam

教科書/參考書
教科書 Semiconductor Devices - Physics and Technology, S.M.Sze, 2nd Ed.,JOHN WILEY & SONS. 參考書 Optical Semiconductor Devices, Mitsuo Fukuda, JOHN WILEY & SONS. Optoelectronics / An Introduction to Materials and Devices, Jasprit Singh, McGRAW Hill.

評分標準
1. 習題作業 2. 隨堂考試 3. 學習態度與課堂表現

學分數
3

授課時數(周)
3

開課班級
C11251

修課人數
30

教學目標
本課程將探討先進半導體封裝技術的進步，從先進製程技術中了解異質整合與小晶片的最新趨勢和2D/3D/3.5D技術創新。課程將涵蓋從製程、結構、材料、散熱選擇的多個方面，幫助學生了解如何實現高效、超小型和可靠的封裝技術。 課程內容分為四大部分，包含先進封裝製程與異質整合封裝技術、異質整合封裝之散熱問題/模組熱阻計算、先進半導體封裝材料、可靠度設計技術，幫助學員深入了解先進封裝製程、異質整合封裝(含小晶片)的核心原理，並能夠在面對不斷變化的半導體產業中，運用創新和專業知識解決工程實務的問題。

授課形式
理論講述與討論-30.00%;個案分析或作品賞析-20.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
第1週 2025-02-13(四)先進製程vs先進封裝(I) 第2週 2025-02-18(二)先進製程vs先進封裝(II) 第3週 2025-02-25(二)小晶片設計(chiplet design) 第4週 2025-03-06(四)異質整合封裝技術(heterogeneous integration packaging) 第5週 2025-03-13(四)共同封裝光學/矽光子封裝(Co-packaged optics, CPO)(I) 第6週2025-03-18(二)共同封裝光學/矽光子封裝(Co-packaged optics, CPO)(II) 第7週 2025-03-25(二)扇出型晶圓級封裝/(Fan-out wafer level package) 第8週 複習 第9週 2025-04-10(四)期中考 第10週 2025-04-15(二)矽穿孔(Through Silicon via, TSV)封裝 第11週 2025-04-22(二)重布線層(Redistribution layer, RDL)(I) 第12週 2025-05-01(四)重布線層(Redistribution layer, RDL)(II) 第13週 2025-05-08(四)微凸塊技術(bumping) 第14週 2025-05-13(二)介金屬化合物可靠度(Intermetallic compound, IMC/reliability) 第15週 2025-05-20(二)散熱設計(thermal resistant) 第16週 2025-05-29(四)黃光微影蝕刻製程 第17週 2025-06-05(四)先進封裝產業布局 第18週 2025-06-10(二)期末簡報

教科書/參考書
1.John Lau, "Chiplet Design and Heterogeneous Integration Packaging", Published by Springer, 2024.03.22, ISBN:9789811999192. 2.John Lau, "Heterogeneous Integrations", Published by Springer, 2019.04.12, ISBN:9811372233. 3.John Lau, "Fan-Out Wafer-Level Packaging", Published by Springer, 2018.04.13, ISBN:9811088837. 4.自編講義。 5.曲建仲等人，Youtube先進封裝技術單元解說。 6.國際各大半導體公司官網。

評分標準
1.點名15% 2.作業15% 3.期中考30% 4.期末報告(書面+口頭)40%

學分數
3

授課時數(周)
3

開課班級
C11251

修課人數
26

教學目標
1. 培養程式設計基本素養。
2. 提供具有代表性與多元性範例。
3. 課堂即做即評提升學習反應能力。
4. 詳述程式解題技巧並培養邏輯思考與創新能力。
5. 奠定紮實解題能力並可學以致用於未來或現在職場。

授課形式
理論講述與討論-30.00%;個案分析或作品賞析-20.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
Class #1 Visual Studio 整合式開發環境介紹、 資料型別變數說明、結構定義與設計練習。
Class #2 基本輸出入介面設計、流程控制(一)_選擇結構、數位相機選購程式設計練習。
Class #3 流程控制(二)_重複結構、收銀機找零程式設計練習。
Class #4 陣列的應用、商店結帳系統設計練習。
Class #5 常用控制項(一)、高鐵網路購票系統設計練習。
Class #6 常用控制項(二)、超連結與調色盤程式設計練習。
Class #7 常用控制項(三)、月曆程式設計練習。
Class #8 Method(方法)與多載介紹、Area 多載程式設計練習。
Class #9 鍵盤與滑鼠事件、觸控事件介紹、圖片滑控程式設計練習。
Class #10 功能表與工具列、餐廳點餐系統設計練習。
Class #11 常用對話方塊介紹、簡易文書編輯器設計練習。
Class #12 繪圖與多媒體、統計圖形(圓餅圖與長條圖)設計練習。
Class #13 物件導向程式之多表單設計、學生成績出理系統設計。
Class #14 資料庫程式設計與SQL語法介紹。
Class #15 DDE 溫度儀表紀錄繪圖設計練習。


教科書/參考書
1. 自編講義 2. 碁...Visual C# 2017基礎必修課...EL0194

評分標準
平時成績30%, 期中考成績30%, 期末考成績40%

學分數
3

授課時數(周)
3

開課班級
C11351

修課人數
28

教學目標
1. 培養學生高頻低損與高效能元件之文獻閱讀的能力 2. 培養學生高頻低損與高效能元件之學習、設計、實作、與量測電路的能力

授課形式
理論講述與討論-30.00%;個案分析或作品賞析-0.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%

課程內容與進度
1. 培養學生高頻低損與高效能元件之領域文獻閱讀的能力 2. 培養學生高頻低損與高效能元件之理論學習、設計、實作、與量測電路的能力

教科書/參考書
相關文獻。

評分標準
依成果與報告

學分數
3

授課時數(周)
3

開課班級
D11251

修課人數
1

教學目標
探討晶格中電子的行為，從而瞭解電子能帶理論，由粒子的可分辨性及能態的簡併性推導多粒子系統之量子統計分佈，介紹黑體輻射理論，聲子理論，半導體中之電子/電洞分佈，以及其光電性質，導入微擾理論以建立原子與光交互作用之輻射吸收與放射、由電磁波的量子化理論建立光子晶體元件光電特性，培養學生未來從事光電半導體產業之專業基礎量子理論能力與素養。

授課形式
理論講述與討論-50.00%;個案分析或作品賞析-20.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-10.00%;其他-0.00%

課程內容與進度
1.晶體內自由電子波函數與Bloch函數 2.晶體內電子能帶 3.Kronig-Penney 能帶模型 4.TightBinding能帶模型 5.量子統計與費米分佈 6.能態躍遷機率(Transistion probability) 7.居量反置與激發輻射 8.電子自旋與磁性 9.奈米元件量子效應 10.電磁波量子化理論(quantum theory of EM wave)

教科書/參考書
1.Applied Quautum Mechanics, Yariv. 2.Quantum Electronics, Yariv. 3.自編講義

評分標準
平時10% 作業20% 期中考30% 期末考40%

學分數
3

授課時數(周)
3

開課班級
D11251

修課人數
20

教學目標
了解數位影像處理之基本原理、相關演算法與實際應用。



授課形式
理論講述與討論-80.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度

1. 影像基本概念
   
   
2. 人類視覺系統
   
   
3. 數位影像表示法
   
   
4. 空間域的影像增進方法
   
   
5. 頻域的影像增進方法
   
   
6. 影像轉換
   
   
7. 影像壓縮演算法
   
   
8. 影像相關國際標準
   
   
9. 影像分割演算法
   
   

教科書/參考書
Digital Image Processing, 4th Edition
by R.C. Gonzalez and R.E. Woods,
Pearson, 2017.
ISBN: 978-0133356724

評分標準
小考、期中考、期末考、期末專題報告、課堂表現。

學分數
3

授課時數(周)
3

開課班級
D11351

修課人數
1

教學目標
本課程透過分組報告的方式協助同學掌握專題製作進行，並交互討論分享實作心得。除此之外，亦透過專題演講的方式介紹半導體、光電、通訊及計算機產業新興技術與趨勢，協助同學了解產業界發展現況。

授課形式
理論講述與討論-25.00%;個案分析或作品賞析-50.00%;專題實作與報告-25.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
【專題演講】【報告討論】

教科書/參考書
各週詳細的課程主題及資訊請上系網查詢。http://ee.nuk.edu.tw

評分標準
出席及互動 60% 心得報告 40%

學分數
0

授課時數(周)
2

開課班級
D11351

修課人數
76

教學目標
本課程提供學生們研習 智慧製造 (Smart Manufacturing) 在 半導體產業 (Semiconductor Industry) 的重要議題與機器學習解決方法。 學生們將會透過 AI 演算法，來實作解決產業實務與應用問題。 This course provides participating students an opportunity to study important research topics and use machine learning as a problem-solving methodology for Smart Manufacturing in Semiconductor Industry. Students will learn practical skills by using AI algorithms to solve problems in industrial applications.

授課形式
理論講述與討論-40.00%;個案分析或作品賞析-20.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
1 course introduction 2 Attention/ Transformer part 1 3 Attention/ Transformer part 2 4 Deep Reinforcement Learning part 1 5 Deep Reinforcement Learning part 2 6 Large Language Model/Retrieval Augmented Generation part 1 7 Large Language Model/Retrieval Augmented Generation part 2 8 Large Language Model/Retrieval Augmented Generation part 3 9 期中考週 - 期中報告 10 [manufacturing] wafer defect identification/classification (1) 11 [manufacturing] wafer defect identification/classification (2) 12 [manufacturing] wafer defect identification/classification (3) 13 [routing] reduction of wafer transfer time between fabs (1) 14 [routing] reduction of wafer transfer time between fabs (2) 15 [manufacturing] Anomaly Detection (1) 16 [manufacturing] Anomaly Detection (2) 17 期末專案報告 (1) 18 期末專案報告 (2)

教科書/參考書
References : 1. Vaswani, et al., “Attention Is All You Need” 2017. https://arxiv.org/abs/1706.03762 2. Dzmitry Bahdanau, et al., “Neural Machine Translation by Jointly Learning to Align and Translate” 2016. https://arxiv.org/abs/1409.0473 3. SNEHA CHAUDHARI, et al., “An Attentive Survey of Attention Models” 2021. https://arxiv.org/abs/1904.02874 4. Kelvin Xu, et al., “Show, Attend and Tell: Neural Image Caption Generation with Visual Attention” 2016. https://arxiv.org/abs/1502.03044 5. Richard S. Sutton and Andrew G. Barto, “Reinforcement Learning – An Introduction” 2nd ed., 2018, The MIT Press. https://www.andrew.cmu.edu/course/10-703/textbook/BartoSutton.pdf 6. Volodymyr Mnih, et al., “Playing Atari with Deep Reinforcement Learning” 2013. https://arxiv.org/abs/1312.5602 7. Shervin Minaee, et al., “Large Language Models: A Survey” 2024. https://arxiv.org/abs/2402.06196 8. Yunfan Gao, et al., “Retrieval-Augmented Generation for Large Language Models: A Survey” 2024. https://arxiv.org/abs/2312.10997

評分標準
平時成績：30% 期中報告成績：30% 期末報告成績：40% Quiz, Homework and Course Attending: 30% Midterm Report: 30% Final Report: 40%

學分數
3

授課時數(周)
3

開課班級
J11251

修課人數
7

教學目標
雲端運算透過 巨量資料分析 (Big Data Analytics) 的技術來建立以資料為中心的預測模型。由於一般的機器學習演算法無法滿足巨量資料建模計算所需的 運算複雜度 (computing complexity)，需要採用 深度學習演算法 (Deep Learning Algorithms) 來完成巨量資料預測建模工作，以有效提升預測模型的效能。 目前，產業界主要以 Python 為基礎的 TensorFlow/Keras 深度學習程式語言進行 AI 演算法開發建模。 因此，本課程的教學目標在於教授學生們學習 TensorFlow/Keras 程式語言以及深度學習演算法，學生們透過上機實作方式，學習深度學習演算法的理論與實務應用。 Cloud Computing adopts the techniques of Big Data Analytics in order to build up the data-centric predicted models. Since the conventional machine-learning algorithms can not fulfill the computing complexity due to dramatically increasing amounts of data, it is necessary to employ Deep Learning algorithms to process the big data for building the predictive models. Currently, for implementing the Deep Learning algorithms, the Python-based programming language - TensorFlow/Keras - is a de facto standard in industry. Hence, the objective of this course focuses on teaching students the TensorFlow/Keras programming language and Deep Learning algorithms, and, via the hands-on workshops, the students will learn how to build the predictive models as well as their applications.

授課形式
理論講述與討論-40.00%;個案分析或作品賞析-20.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
1. Anaconda3 環境建置 2. Intro to TensorFlow/Keras Programming and Environment Setup 3. Fully-connected Deep Networks by Keras 4. TensorBoard Workflow Visualization 5. Convolutional Neural Networks (CNNs) - Concepts and Algorithms 6. CNN Workshop 1: Basics of Image Processing with CNNs 7. CNN Workshop 2: Advanced Topics of Image Processing with CNNs 8. Transfer Learning with ImageNet 9. 期中考週 - 期中報告 10. Recurrent Neural Networks (RNNs) - Concepts and Algorithms 11. NLP Workshop 1: Sentiment Analysis by One-hot Encoding 12. NLP Workshop 2: Sentiment Analysis by Word Embedding 13. NLP Workshop 3: Sentiment Analysis with RNN / LSTM 14. NLP Workshop 4: Sentiment Analysis with Bidirectional and GRU 15. Time-Series Workshop 1: Weather Forecasting 16. Time-Series Workshop 2: Stock-Price Prediction 17. Intro to Attention and Transformers 18. 期末考週 - 期末報告

教科書/參考書
References : 1. Francois Chollet, “Deep Learning with Python”, Manning, 2018 [ PDF ] : https://tanthiamhuat.files.wordpress.com/2018/03/deeplearningwithpython.pdf [ Code ] : https://github.com/fchollet/deep-learning-with-python-notebooks 2. Kevin P. Murphy, “Probabilistic Machine Learning: An Introduction”, MIT Press, 2022 [ Link ] : https://github.com/probml/pml-book/releases/latest/download/book1.pdf 3. Kevin P. Murphy, “Probabilistic Machine Learning: Advanced Topics”, MIT Press, 2022 [ PDF ＆ Code ] : https://github.com/probml/pml2-book/releases/tag/2022-07-29

評分標準
平時成績：30% 期中報告成績：30% 期末報告成績：40% Quiz, Homework and Course Attending: 30% Midterm Report: 30% Final Report: 40%

學分數
3

授課時數(周)
3

開課班級
J11251

修課人數
5