114-2_深度學習
創新學院不分系
教學目標
教師於課堂中引導式講授目前國際發展最先進之深度學習方法學及其應用,帶領學生原理介 紹、數學推導實務應用,熟悉使用深度學習。 The instructor will guide students through the latest international developments in deep learning methodologies and applications. The course will cover theoretical principles, mathematical derivations, and practical applications. Students will gain hands-on experience with deep learning tools. (1) 了解深度學習技術的數學基礎 (To understand the maths of deep learning techniques) (2) 熟悉深度學習工具(例如 PyTorch、TensorFlow 等) (To familiarize with deep learning tools, such as PyTorch, TensorFlow, etc.) (3) 探討深度學習技術的最新發展及其應用 (To understand the latest developments and applications of deep learning techniques)
授課形式
理論講述與討論-0.00%;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:依教師授課規定-100.00%
課程內容與進度
木一課程為「TAICA 臺灣大專院校人工智慧學程聯盟」課程 課程大綱 https://drive.google.com/file/d/13oO9d8D8VCkAr4ZmyK2nojp1vEZ3h0hW/view
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11476
修課人數
1
教師於課堂中引導式講授目前國際發展最先進之深度學習方法學及其應用,帶領學生原理介 紹、數學推導實務應用,熟悉使用深度學習。 The instructor will guide students through the latest international developments in deep learning methodologies and applications. The course will cover theoretical principles, mathematical derivations, and practical applications. Students will gain hands-on experience with deep learning tools. (1) 了解深度學習技術的數學基礎 (To understand the maths of deep learning techniques) (2) 熟悉深度學習工具(例如 PyTorch、TensorFlow 等) (To familiarize with deep learning tools, such as PyTorch, TensorFlow, etc.) (3) 探討深度學習技術的最新發展及其應用 (To understand the latest developments and applications of deep learning techniques)
授課形式
理論講述與討論-0.00%;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:依教師授課規定-100.00%
課程內容與進度
木一課程為「TAICA 臺灣大專院校人工智慧學程聯盟」課程 課程大綱 https://drive.google.com/file/d/13oO9d8D8VCkAr4ZmyK2nojp1vEZ3h0hW/view
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11476
修課人數
1
114-2_智慧製造執行系統
創新學院不分系
教學目標
智慧製造執行系統(Intelligent Manufacturing Execution System, iMES)為「智慧製造」核 心之一。iMES運用聯網(IoT)、人工智慧(AI)、深度學習、大數據分析、雲端運算、數位孿生 (Digital Twin)及生成式人工智慧(GAI) 等先進技術,實現對生產過程中各項關鍵要素的智 慧化監控、決策支援與成效評量。 智慧製造執行系統的核心功能不僅在於運用數據驅動,即時掌握生產狀況、偵測與預測潛 在異常,並進行診斷與預防,更能動態調整生產計畫、優化排程、降低能源消耗,以持續提 升製程效能與產品品質。 本課程首先從系統觀點出發,結合生產 PDCA 循環、製造作業管理(Manufacturing Operation Management, MOM)、製造資源管理(Manufacturing Resource Management, MRM)及精實生產理念,介紹「製造系統」的整體架構。接著,針對工業 4.0 的智慧製造需 求,說明「產業生態系」下的智慧製造系統發展脈絡,以及智慧製造執行系統的功能與技術 架構。同時,課程將探討支撐智慧製造執行系統的關鍵技術,包括資料科學、人工智慧、深 度學習、數位孿生與生成式人工智慧(GAI)之原理與應用。此外,課程將透過實際案例分析 ,參考系統工程之觀念與程序,說明製造執行之智慧化轉型的方法論與實踐程序。
授課形式
理論講述與討論-0.00%;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:依教師授課規定-100.00%
課程內容與進度
本課程為「TAICA 臺灣大專院校人工智慧學程聯盟」課程 同步遠距上課時間：週一 14:10-17:00 同步考試時間(實體)：實體期中、末評量時間:4/20、6/22 https://taicatw.net/spring-114/
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11441
修課人數
19
智慧製造執行系統(Intelligent Manufacturing Execution System, iMES)為「智慧製造」核 心之一。iMES運用聯網(IoT)、人工智慧(AI)、深度學習、大數據分析、雲端運算、數位孿生 (Digital Twin)及生成式人工智慧(GAI) 等先進技術,實現對生產過程中各項關鍵要素的智 慧化監控、決策支援與成效評量。 智慧製造執行系統的核心功能不僅在於運用數據驅動,即時掌握生產狀況、偵測與預測潛 在異常,並進行診斷與預防,更能動態調整生產計畫、優化排程、降低能源消耗,以持續提 升製程效能與產品品質。 本課程首先從系統觀點出發,結合生產 PDCA 循環、製造作業管理(Manufacturing Operation Management, MOM)、製造資源管理(Manufacturing Resource Management, MRM)及精實生產理念,介紹「製造系統」的整體架構。接著,針對工業 4.0 的智慧製造需 求,說明「產業生態系」下的智慧製造系統發展脈絡,以及智慧製造執行系統的功能與技術 架構。同時,課程將探討支撐智慧製造執行系統的關鍵技術,包括資料科學、人工智慧、深 度學習、數位孿生與生成式人工智慧(GAI)之原理與應用。此外,課程將透過實際案例分析 ,參考系統工程之觀念與程序,說明製造執行之智慧化轉型的方法論與實踐程序。
授課形式
理論講述與討論-0.00%;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:依教師授課規定-100.00%
課程內容與進度
本課程為「TAICA 臺灣大專院校人工智慧學程聯盟」課程 同步遠距上課時間：週一 14:10-17:00 同步考試時間(實體)：實體期中、末評量時間:4/20、6/22 https://taicatw.net/spring-114/
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11441
修課人數
19
114-2_生成式AI應用系統與工程
創新學院不分系
教學目標
本課程以「生成式 AI 應用系統」開發為核心,帶領學生從需求分析、系統設計,到實 作與部署,完成一個生成式 AI Web服務。內容涵蓋軟體工程SDLC、前後端技術、資 料流程與工作流、開源CI/CD與 MLOps/LLMOps工具、AWS 雲端環境、分散式 AI Infra、LLM 微調與 local LLM 評測、Agent 工作流與 MCP/ADK/agent-to-agent架 構、LiteLLM/OpenRouter 等模型代理工具,以及 token 經濟學、Prompt 優化、多 輪對話設計、幻覺減少與 LLM 資安議題。 學生將透過至少六次程式作業與期末專題,實作一個具完整工程思維的生成式AI應用 系統
授課形式
理論講述與討論-0.00%;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:依教師授課規定-100.00%
課程內容與進度
本課程為「TAICA 臺灣大專院校人工智慧學程聯盟」課程 遠距上課時間：週三 14:00-17:00 ● 理解生成式 AI 應用系統的整體架構,包括前端、後端、LLM 層、Agent 工作流 與資料流。 ● 熟悉SDLC在生成式AI專案中的實務流程,能撰寫系統需求與高階架構設計。 能運用 Web架構、AWS平台、資料庫與向量檢索技術,可建構具RAG能力的應 用系統。 ● 了解並整合 MLOps/LLMOps toolchain,包括 CI/CD、模型部署、評估與觀 測。 ● 掌握 Agent workflow、MCP、ADK 與 agent-to-agent 等概念,並透過 callbacks 實作安全與審計邏輯。 ● 理解 token 經濟學、多輪對話設計與幻覺減少策略,並融入系統設計中。 ● 能設計與實作基本的 LLM 資安防護,包括 prompt injection 防禦與 response auditing。 ● 完成一項可展示的生成式 AI 應用系統期末專題。
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11476
修課人數
32
本課程以「生成式 AI 應用系統」開發為核心,帶領學生從需求分析、系統設計,到實 作與部署,完成一個生成式 AI Web服務。內容涵蓋軟體工程SDLC、前後端技術、資 料流程與工作流、開源CI/CD與 MLOps/LLMOps工具、AWS 雲端環境、分散式 AI Infra、LLM 微調與 local LLM 評測、Agent 工作流與 MCP/ADK/agent-to-agent架 構、LiteLLM/OpenRouter 等模型代理工具,以及 token 經濟學、Prompt 優化、多 輪對話設計、幻覺減少與 LLM 資安議題。 學生將透過至少六次程式作業與期末專題,實作一個具完整工程思維的生成式AI應用 系統
授課形式
理論講述與討論-0.00%;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:依教師授課規定-100.00%
課程內容與進度
本課程為「TAICA 臺灣大專院校人工智慧學程聯盟」課程 遠距上課時間：週三 14:00-17:00 ● 理解生成式 AI 應用系統的整體架構,包括前端、後端、LLM 層、Agent 工作流 與資料流。 ● 熟悉SDLC在生成式AI專案中的實務流程,能撰寫系統需求與高階架構設計。 能運用 Web架構、AWS平台、資料庫與向量檢索技術,可建構具RAG能力的應 用系統。 ● 了解並整合 MLOps/LLMOps toolchain,包括 CI/CD、模型部署、評估與觀 測。 ● 掌握 Agent workflow、MCP、ADK 與 agent-to-agent 等概念,並透過 callbacks 實作安全與審計邏輯。 ● 理解 token 經濟學、多輪對話設計與幻覺減少策略,並融入系統設計中。 ● 能設計與實作基本的 LLM 資安防護,包括 prompt injection 防禦與 response auditing。 ● 完成一項可展示的生成式 AI 應用系統期末專題。
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11476
修課人數
32
114-2_大型語言模型與資訊安全系統
創新學院不分系
教學目標
本課程為TAICA 臺灣大專院校人工智慧學程聯盟課程 請參閱課程網址內容授課資料 本課程探討大型語言模型(LLMs)如何重塑資安領域。學生將學習如何運用 AI 於安全任 務、資料整理、機器學習與防禦系統開發。透過專題式學習,團隊將設計並測試真實的 AI+ 資安解決方案,同時思考倫理、治理,以及「保護 AI」與「運用 AI 防禦」的雙重挑戰。
授課形式
理論講述與討論-0.00%;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:依教師教學規定-100.00%
課程內容與進度
遠距上課時間：週一 9:20–12:20， 第一個小時為線上課程自修；10:20–12:20 為直播演練時間。 聯盟學校學生可非同步上課，先自行完成一小時線上自修，其餘兩小時則於助教固定時段（週一至週五擇一時段，未來將補充公布）參與線上練習，此練習為必修環節，所有學生皆須參與。 https://taicatw.net/spring-114/
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11441
修課人數
5
本課程為TAICA 臺灣大專院校人工智慧學程聯盟課程 請參閱課程網址內容授課資料 本課程探討大型語言模型(LLMs)如何重塑資安領域。學生將學習如何運用 AI 於安全任 務、資料整理、機器學習與防禦系統開發。透過專題式學習,團隊將設計並測試真實的 AI+ 資安解決方案,同時思考倫理、治理,以及「保護 AI」與「運用 AI 防禦」的雙重挑戰。
授課形式
理論講述與討論-0.00%;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:依教師教學規定-100.00%
課程內容與進度
遠距上課時間：週一 9:20–12:20， 第一個小時為線上課程自修；10:20–12:20 為直播演練時間。 聯盟學校學生可非同步上課，先自行完成一小時線上自修，其餘兩小時則於助教固定時段（週一至週五擇一時段，未來將補充公布）參與線上練習，此練習為必修環節，所有學生皆須參與。 https://taicatw.net/spring-114/
教科書/參考書
評分標準
學分數
3
授課時數(周)
3
開課班級
M11441
修課人數
5
114-2_STEAM Maker：室內設計x迷你屋實作
創新學院不分系
教學目標
本課程係以實作工作坊授課型態進行之微學分課程，希望引導學生針對「美感實踐」系列主題，做跨學科整合性思考、團隊合作、問題解決及實作應用，進而激發其創意革新能力。課程內容將安排使用手機app、雷射雕刻機等機具，製作實體模型、生活創意用品、文具等各類裝飾性、美學性產品，培養學生跨領域創客思維，也期望學生在擁有不同先備知識與經驗下，透過動手實作過程，能產生不同思考歷程及跨領域的學習遷移。
授課形式
理論講述與討論-20.00%;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-0.00%;其他:技術操作應用-40.00%
課程內容與進度
1. 測量與建模 2. 進階建模與模型庫 3. 室內設計基礎 4. 雷射切割理論 請注意，自第一堂課開始，便需自行攜帶筆電上課。
教科書/參考書
自編教材
評分標準
出席率30%、作品一完成度35%、作品二完成度35%
學分數
0.6
授課時數(周)
0.6
開課班級
A11476
修課人數
16
本課程係以實作工作坊授課型態進行之微學分課程，希望引導學生針對「美感實踐」系列主題，做跨學科整合性思考、團隊合作、問題解決及實作應用，進而激發其創意革新能力。課程內容將安排使用手機app、雷射雕刻機等機具，製作實體模型、生活創意用品、文具等各類裝飾性、美學性產品，培養學生跨領域創客思維，也期望學生在擁有不同先備知識與經驗下，透過動手實作過程，能產生不同思考歷程及跨領域的學習遷移。
授課形式
理論講述與討論-20.00%;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-0.00%;其他:技術操作應用-40.00%
課程內容與進度
1. 測量與建模 2. 進階建模與模型庫 3. 室內設計基礎 4. 雷射切割理論 請注意，自第一堂課開始，便需自行攜帶筆電上課。
教科書/參考書
自編教材
評分標準
出席率30%、作品一完成度35%、作品二完成度35%
學分數
0.6
授課時數(周)
0.6
開課班級
A11476
修課人數
16
114-2_虛擬實境專案實作
創新學院不分系
教學目標
本課程為「沈浸科技教育應用設計發展微學程」系列，此階段課程旨在培養學生運用Unity開發工具進行虛擬實境（VR）專案製作的能力，內容涵蓋3D互動環境建置、使用者介面設計、VR功能實作、APK生成與發佈流程。學生將透過專題導向學習（Project-Based Learning），綜整前述微學程前面兩階段所學，進行完整的虛擬實境專案開發，並於課程末進行成果展示與發表，強化專案管理、團隊合作與表達能力。
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-10.00%;專題實作與報告-60.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
第1週 課程導論與 VR 技術發展概覽 講解說明、案例展示 第2週 Unity 介面操作與專案架構入門 講解與實作 第3週 3D 物件建置與空間場景搭建 實作練習、助教輔導 第4週 虛擬攝影機與角色控制導入 示範教學 + 實作 第5週 綜合練習週：小型互動場景實作 小組討論、指導 第6週 UI 介面入門與互動控制(中文字) 講解與實作 第7週 VR 模擬測試與 XR Device Simulator 使用 講解與操作演練 第8週 案例分析：優良 VR 專案與互動設計 作品解析、小組討論 第9週 (期中考週)小組企劃簡報與原型展示 小組簡報、教師與同儕回饋 第10週 專案分工與進度管理 講解與實作 第11週 互動核心模組開發（事件、音效、碰撞） 實作 + 指導 第12週 美術資源整合與風格一致性設計 討論 + 實作 第13週 裝置實測與 Bug 除錯技巧 實作 + 測試 第14週 使用者測試與回饋修正 模擬實測、回饋討論 第15週 VIVERSE 平台上傳與展示測試 示範 + 實作 第16週 成果優化與發表準備 模擬發表、教師回饋 第17週 期末成果發表會（VIVERSE 世界展示）專案展示 + 外部評審 第18週 (期末考週)課程回顧與學習歷程反思 小組討論 + 教師總結
教科書/參考書
自編教材
評分標準
出席率20%、上課表現20%、作業完成度30%、作業品質30%
學分數
3
授課時數(周)
3
開課班級
A11476
修課人數
16
本課程為「沈浸科技教育應用設計發展微學程」系列，此階段課程旨在培養學生運用Unity開發工具進行虛擬實境（VR）專案製作的能力，內容涵蓋3D互動環境建置、使用者介面設計、VR功能實作、APK生成與發佈流程。學生將透過專題導向學習（Project-Based Learning），綜整前述微學程前面兩階段所學，進行完整的虛擬實境專案開發，並於課程末進行成果展示與發表，強化專案管理、團隊合作與表達能力。
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-10.00%;專題實作與報告-60.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
第1週 課程導論與 VR 技術發展概覽 講解說明、案例展示 第2週 Unity 介面操作與專案架構入門 講解與實作 第3週 3D 物件建置與空間場景搭建 實作練習、助教輔導 第4週 虛擬攝影機與角色控制導入 示範教學 + 實作 第5週 綜合練習週：小型互動場景實作 小組討論、指導 第6週 UI 介面入門與互動控制(中文字) 講解與實作 第7週 VR 模擬測試與 XR Device Simulator 使用 講解與操作演練 第8週 案例分析：優良 VR 專案與互動設計 作品解析、小組討論 第9週 (期中考週)小組企劃簡報與原型展示 小組簡報、教師與同儕回饋 第10週 專案分工與進度管理 講解與實作 第11週 互動核心模組開發（事件、音效、碰撞） 實作 + 指導 第12週 美術資源整合與風格一致性設計 討論 + 實作 第13週 裝置實測與 Bug 除錯技巧 實作 + 測試 第14週 使用者測試與回饋修正 模擬實測、回饋討論 第15週 VIVERSE 平台上傳與展示測試 示範 + 實作 第16週 成果優化與發表準備 模擬發表、教師回饋 第17週 期末成果發表會（VIVERSE 世界展示）專案展示 + 外部評審 第18週 (期末考週)課程回顧與學習歷程反思 小組討論 + 教師總結
教科書/參考書
自編教材
評分標準
出席率20%、上課表現20%、作業完成度30%、作業品質30%
學分數
3
授課時數(周)
3
開課班級
A11476
修課人數
16
114-2_商務數據與機器學習應用
創新學院不分系
教學目標
建立同學對於認識商務數據分析，兼具產業現況、前瞻視野以及應用能力。使學生具備商務數據的原理、機器學習應用與程式開發邏輯與運算力等相關領域專業知識。
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-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 大數據(商用)概論。2. Python 基礎程式語言。3. Python 網路爬蟲單元 (I、II、III)。4. 機器學習，包括 K-means 分群、關聯分析、決策樹、隨機森林、kNN 分類以、類神經網路、深度學習網絡等(非監督式/監督式學習)。5. 證照考試/期末考
教科書/參考書
梁直青, 鍾瑞益, 鄧惟元, 鍾震耀 (2022)。商用大數據分析。全華圖書。
評分標準
期中考: 30 % 期末考: 30 % 平時成績: 40 %
學分數
2
授課時數(周)
2
開課班級
A11476
修課人數
55
建立同學對於認識商務數據分析，兼具產業現況、前瞻視野以及應用能力。使學生具備商務數據的原理、機器學習應用與程式開發邏輯與運算力等相關領域專業知識。
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-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 大數據(商用)概論。2. Python 基礎程式語言。3. Python 網路爬蟲單元 (I、II、III)。4. 機器學習，包括 K-means 分群、關聯分析、決策樹、隨機森林、kNN 分類以、類神經網路、深度學習網絡等(非監督式/監督式學習)。5. 證照考試/期末考
教科書/參考書
梁直青, 鍾瑞益, 鄧惟元, 鍾震耀 (2022)。商用大數據分析。全華圖書。
評分標準
期中考: 30 % 期末考: 30 % 平時成績: 40 %
學分數
2
授課時數(周)
2
開課班級
A11476
修課人數
55
114-2_多媒體MAKAR於元宇宙XR實務應用
創新學院不分系
教學目標
透過MAKAR Editor製作「AR擴增實境」與「VR虛擬實境」的應用，一個跨平台的XR(AR/VR/MR/360VR)瀏覽器任何人與企業都可以使用，不需要程式編譯，開發者可以自由創建圖像，添加需要的元素及材質，使課本中的資訊可以栩栩如生地呈現在面前。 以使用MAKAR Editor創作AR/VR/MR的數位教材，完成創作後發布到手機上進行數位內容的觀看與學習。讓學生的作品與觀眾一起互動，無論是2D、3D或是動畫，運用更多創意帶給觀眾印象深刻體驗吧，在虛擬與現實中交替轉換！
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 115/2/27 無(和平紀念日休假) 第2週 115/3/6 AI生成概念及版權 第3週 115/3/13 AR與VR數位教材開發 第4週 115/3/20 AR擴充實境(MAKAR)操作 第5週 115/3/27 加入YT影片及邏輯物件 第6週 115/4/3 無(兒童節、清明節補假) 第7週 115/4/10 製作教材學習卡及語音學習卡片 第8週 115/4/17 專案製作1 第9週 115/4/24 期中作業發表與評核 第10週 115/5/1 無(勞動節休假) 第11週 115/5/8 圖片轉為動態影像及 第12週 115/5/15 解析3D檔案格式 第13週 115/5/22 管理素材及物件工具 第14週 115/5/29 管理材質球庫 第15週 115/6/5 製作集點卡模駔 第16週 115/6/12 製作問答模組 第17週 115/6/19 無(端午節補假) 第18週 115/6/26 期末專案成果發表與評核
教科書/參考書
使用自編講義或簡報。
評分標準
評量方式與比重：出席率30%、期中作業30%、期末作業40%。
學分數
2
授課時數(周)
2
開課班級
A11476
修課人數
31
透過MAKAR Editor製作「AR擴增實境」與「VR虛擬實境」的應用，一個跨平台的XR(AR/VR/MR/360VR)瀏覽器任何人與企業都可以使用，不需要程式編譯，開發者可以自由創建圖像，添加需要的元素及材質，使課本中的資訊可以栩栩如生地呈現在面前。 以使用MAKAR Editor創作AR/VR/MR的數位教材，完成創作後發布到手機上進行數位內容的觀看與學習。讓學生的作品與觀眾一起互動，無論是2D、3D或是動畫，運用更多創意帶給觀眾印象深刻體驗吧，在虛擬與現實中交替轉換！
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 115/2/27 無(和平紀念日休假) 第2週 115/3/6 AI生成概念及版權 第3週 115/3/13 AR與VR數位教材開發 第4週 115/3/20 AR擴充實境(MAKAR)操作 第5週 115/3/27 加入YT影片及邏輯物件 第6週 115/4/3 無(兒童節、清明節補假) 第7週 115/4/10 製作教材學習卡及語音學習卡片 第8週 115/4/17 專案製作1 第9週 115/4/24 期中作業發表與評核 第10週 115/5/1 無(勞動節休假) 第11週 115/5/8 圖片轉為動態影像及 第12週 115/5/15 解析3D檔案格式 第13週 115/5/22 管理素材及物件工具 第14週 115/5/29 管理材質球庫 第15週 115/6/5 製作集點卡模駔 第16週 115/6/12 製作問答模組 第17週 115/6/19 無(端午節補假) 第18週 115/6/26 期末專案成果發表與評核
教科書/參考書
使用自編講義或簡報。
評分標準
評量方式與比重：出席率30%、期中作業30%、期末作業40%。
學分數
2
授課時數(周)
2
開課班級
A11476
修課人數
31
114-2_人工智慧科技跨域實踐
創新學院不分系
教學目標
生成式人工智慧（Generative Artificial Intelligence Technology, GAIT）是人工智慧技術中一個重要的里程碑，透過推理及預測生成新的、符合條件的內容，展示人工智慧的創造力及效能，提供了人們在創作、設計、技術等新思維和新方法。本課程旨在探討GAIT的基本概念、創新發展和工具，並邀請校內五個學院教師共同授課，透過跨領域的觀點激發多元思維。課程將以「混合分組、共創實作」為特色，讓不同學系的學生組成團隊，結合各自專業與AI技術，針對真實議題提出創新應用解方。期末以小型專案為成果展現，例如由工學院與法學院教師共同帶領的團隊，可運用生成式AI協助撰寫訴狀書，展現AI於不同專業場域的實際應用潛力。
授課形式
課程內容與進度
1. 課程介紹、GAIT基本概念、分組與期末專案說明
2. 生成式AI工具實作（ChatGPT、Canva、Midjourney等）
3. 跨域思維與專案設計方法（設計思考導入）
4. 人工智慧跨域主題
5. 人文社會學院主題：AI於文化、教育與社會創新
6 法學院主題：AI於法律實務與倫理議題
7. 清明節 8. 管理學院主題：AI於商業決策與創新服務 9. 理學院主題：AI於資料分析與科學應用 10. 專題分組與構想提案（專題導師媒合）
11-15 專題製作、AI倫理與業師授課
16. 期末成果發表與同儕回饋
教科書/參考書
自編教材
評分標準
出席率 30%
課程報告 30%
期末報告 40%
學分數
2
授課時數(周)
2
開課班級
A11476
修課人數
50
生成式人工智慧（Generative Artificial Intelligence Technology, GAIT）是人工智慧技術中一個重要的里程碑，透過推理及預測生成新的、符合條件的內容，展示人工智慧的創造力及效能，提供了人們在創作、設計、技術等新思維和新方法。本課程旨在探討GAIT的基本概念、創新發展和工具，並邀請校內五個學院教師共同授課，透過跨領域的觀點激發多元思維。課程將以「混合分組、共創實作」為特色，讓不同學系的學生組成團隊，結合各自專業與AI技術，針對真實議題提出創新應用解方。期末以小型專案為成果展現，例如由工學院與法學院教師共同帶領的團隊，可運用生成式AI協助撰寫訴狀書，展現AI於不同專業場域的實際應用潛力。
授課形式
課程內容與進度
1. 課程介紹、GAIT基本概念、分組與期末專案說明
2. 生成式AI工具實作（ChatGPT、Canva、Midjourney等）
3. 跨域思維與專案設計方法（設計思考導入）
4. 人工智慧跨域主題
5. 人文社會學院主題：AI於文化、教育與社會創新
6 法學院主題：AI於法律實務與倫理議題
7. 清明節 8. 管理學院主題：AI於商業決策與創新服務 9. 理學院主題：AI於資料分析與科學應用 10. 專題分組與構想提案（專題導師媒合）
11-15 專題製作、AI倫理與業師授課
16. 期末成果發表與同儕回饋
教科書/參考書
自編教材
評分標準
出席率 30%
課程報告 30%
期末報告 40%
學分數
2
授課時數(周)
2
開課班級
A11476
修課人數
50
114-2_人工智慧運算思維
創新學院不分系
教學目標
隨著人工智慧（Artificial Intelligence, AI）技術日新月異地發展，我們的生活與工作方式也隨之改變，AI整合物聯網、機器人、大數據等技術的應用，為各行各業帶來了前所未有的創新機會，而程式設計與運算思維則成為驅動這些創新的基石。學習程式設計以開發AI應用系統，對理工相關科系的學生來說是理所當然的事；但非理工相關科系的學生來說，要在文法商管等領域中實現創新AI應用，更應學習程式運作的基本原理，才能有效地和不同領域的人合作，共同實現AI創意應用。 本課程針對非資訊相關科系的學生設計，以淺顯易懂的方式帶領學員以簡單的程式設計範例展示AI的實際應用。課程從AI的應用原理、基礎的邏輯與運算思維介紹、Python程式設計入門，逐步進入AI與文字、影像、聲音、音樂等多媒體應用，即使無程式設計經驗的學生也能上手並完成創意實作專案，未來可銜接本學程有關永續發展與淨零炭排等AI應用的進階課程。課程以應用為導向的模式，包含講授、工作坊、專題實作、業師經驗交流等元素：運算邏輯思維與程式設計介紹(講授)、實現運算概念的語言工具(實驗工作坊)、跨領域合作的AI應用專題(專題實作與發表)、實務經驗分享(業師授課與參訪)，培養學生能以運算邏輯進行整合性思維，將AI理論知識轉化為AI實踐能力。
授課形式
課程內容與進度
課程簡介
人工智慧(AI)原理與應用、運算思維概論
AI咒術(I)—大蟒蛇現身
AI咒術(II)—召喚大蟒蛇
AI咒術(III)—大蟒蛇任務
人工智慧實務講座(業師演講)
遊戲設計範例—火車平交道
簡單的遊戲設計—小精靈
主題式實作—資料與網路爬蟲
主題式實作—文章摘要應用與實作
主題式實作—影像辨識與美肌美顏實作體驗
主題式實作—影像辨識與骨架偵測簡易應用
主題式實作—音樂搖滾
人工智慧實務講座(業師演講)
主題式實作—生成式AI與多媒體生成實作
主題式實作—生成式AI與聊天機器人
期末專題實作討論與指導
期末專案報告
教科書/參考書
教材自行製作
評分標準
考試: 0%
出席: 35%
上課練習: 35%
期末報告: 30%
學分數
3
授課時數(周)
3
開課班級
A11476
修課人數
35
隨著人工智慧（Artificial Intelligence, AI）技術日新月異地發展，我們的生活與工作方式也隨之改變，AI整合物聯網、機器人、大數據等技術的應用，為各行各業帶來了前所未有的創新機會，而程式設計與運算思維則成為驅動這些創新的基石。學習程式設計以開發AI應用系統，對理工相關科系的學生來說是理所當然的事；但非理工相關科系的學生來說，要在文法商管等領域中實現創新AI應用，更應學習程式運作的基本原理，才能有效地和不同領域的人合作，共同實現AI創意應用。 本課程針對非資訊相關科系的學生設計，以淺顯易懂的方式帶領學員以簡單的程式設計範例展示AI的實際應用。課程從AI的應用原理、基礎的邏輯與運算思維介紹、Python程式設計入門，逐步進入AI與文字、影像、聲音、音樂等多媒體應用，即使無程式設計經驗的學生也能上手並完成創意實作專案，未來可銜接本學程有關永續發展與淨零炭排等AI應用的進階課程。課程以應用為導向的模式，包含講授、工作坊、專題實作、業師經驗交流等元素：運算邏輯思維與程式設計介紹(講授)、實現運算概念的語言工具(實驗工作坊)、跨領域合作的AI應用專題(專題實作與發表)、實務經驗分享(業師授課與參訪)，培養學生能以運算邏輯進行整合性思維，將AI理論知識轉化為AI實踐能力。
授課形式
課程內容與進度
課程簡介
人工智慧(AI)原理與應用、運算思維概論
AI咒術(I)—大蟒蛇現身
AI咒術(II)—召喚大蟒蛇
AI咒術(III)—大蟒蛇任務
人工智慧實務講座(業師演講)
遊戲設計範例—火車平交道
簡單的遊戲設計—小精靈
主題式實作—資料與網路爬蟲
主題式實作—文章摘要應用與實作
主題式實作—影像辨識與美肌美顏實作體驗
主題式實作—影像辨識與骨架偵測簡易應用
主題式實作—音樂搖滾
人工智慧實務講座(業師演講)
主題式實作—生成式AI與多媒體生成實作
主題式實作—生成式AI與聊天機器人
期末專題實作討論與指導
期末專案報告
教科書/參考書
教材自行製作
評分標準
考試: 0%
出席: 35%
上課練習: 35%
期末報告: 30%
學分數
3
授課時數(周)
3
開課班級
A11476
修課人數
35
114-2_資料設計思考
創新學院不分系
教學目標
在數據的年代，為自己培養一份數據軟實力吧！ 本課程的設計會帶領同學以設計思考的思維，主張使用資料作為以證據 (data evidences) 為基礎思考的一部分，使用資料產生適當的論據，以及使用資料來解決實際的問題；故而資料是一種創新的思維也是工具。 課程中會使用到資料公共財，讓同學可以知道何處取得，並且以這些公共財來做實際的演練。本學期中，也會以外界的相關競賽活動或後疫情議題為場域，讓學生真實的為自己完成課程作品，為未來加分。
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
Week 1 2026/2/24 課程介紹 Week 2 2026/3/3 資料的介紹 Week 3 2026/3/10 資料平台的介紹 Week 4 2026/3/17 資料x設計思考1 Week 5 2026/3/24 資料x設計思考2 Week 6 2026/3/31 資料的議題-高齡 Week 7 2026/4/7 資料的議題-運動 Week 8 2026/4/14 資料的議題-高齡x運動 Week 9 2026/4/21 [主題式課程Ⅰ] 數據導向的跑出高大1 Week 10 2026/4/28 [主題式課程Ⅰ] 數據導向的跑出高大2 Week 11 2026/5/5 2025集點子提案收斂與調整 Week 12 2026/5/12 2025集點子提案完成與報告 Week 13 2026/5/19 [主題式課程Ⅱ] 數據賦能公益創新1 Week 14 2026/5/26 [主題式課程Ⅱ] 數據賦能公益創新2 Week 15 2026/6/2 資料平台-PowerBI 1 Week 16 2026/6/9 資料平台-PowerBI 2 Week 17 2026/6/16 資料平台-PowerBI 3 Week 18 2026/6/23 期末成果發表
教科書/參考書
1. 教師自編講義 2. 臺灣數據百閱：100個重要議題，從圖表開啟對話、培養公民思辨力 (ISBN：9789571379654)，出版社：時報出版。
評分標準
出席:20%、課堂參與:30%、作業與活動:25%、個人資料作品:25%
學分數
3
授課時數(周)
3
開課班級
A11476
修課人數
20
在數據的年代，為自己培養一份數據軟實力吧！ 本課程的設計會帶領同學以設計思考的思維，主張使用資料作為以證據 (data evidences) 為基礎思考的一部分，使用資料產生適當的論據，以及使用資料來解決實際的問題；故而資料是一種創新的思維也是工具。 課程中會使用到資料公共財，讓同學可以知道何處取得，並且以這些公共財來做實際的演練。本學期中，也會以外界的相關競賽活動或後疫情議題為場域，讓學生真實的為自己完成課程作品，為未來加分。
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
Week 1 2026/2/24 課程介紹 Week 2 2026/3/3 資料的介紹 Week 3 2026/3/10 資料平台的介紹 Week 4 2026/3/17 資料x設計思考1 Week 5 2026/3/24 資料x設計思考2 Week 6 2026/3/31 資料的議題-高齡 Week 7 2026/4/7 資料的議題-運動 Week 8 2026/4/14 資料的議題-高齡x運動 Week 9 2026/4/21 [主題式課程Ⅰ] 數據導向的跑出高大1 Week 10 2026/4/28 [主題式課程Ⅰ] 數據導向的跑出高大2 Week 11 2026/5/5 2025集點子提案收斂與調整 Week 12 2026/5/12 2025集點子提案完成與報告 Week 13 2026/5/19 [主題式課程Ⅱ] 數據賦能公益創新1 Week 14 2026/5/26 [主題式課程Ⅱ] 數據賦能公益創新2 Week 15 2026/6/2 資料平台-PowerBI 1 Week 16 2026/6/9 資料平台-PowerBI 2 Week 17 2026/6/16 資料平台-PowerBI 3 Week 18 2026/6/23 期末成果發表
教科書/參考書
1. 教師自編講義 2. 臺灣數據百閱：100個重要議題，從圖表開啟對話、培養公民思辨力 (ISBN：9789571379654)，出版社：時報出版。
評分標準
出席:20%、課堂參與:30%、作業與活動:25%、個人資料作品:25%
學分數
3
授課時數(周)
3
開課班級
A11476
修課人數
20