資訊工程學系

教學目標
此課程目的在透過學生分組進行專題製作的過程達到： 1.驗證大學四年所學之資訊專業知識 2.培養團隊合作精神 3.訓練系統開發、整合與實作能力

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

課程內容與進度
由指導教授掌控各組進度，惟期末各組須繳交一份專題計畫書，包含專題題目、摘要、進行時程、內容、預期成果等。

教科書/參考書
無

評分標準
依「專題計畫書」內容及學生之表現，由指導教授評定分數

學分數
1

授課時數(周)
2

開課班級
A11255

修課人數
37

教學目標
本課程主要在
• 建立學生對機器學習核心方法的理論與實務理解
• 培養能獨立設計、訓練與部署 ML 系統的能力
• 透過實例講解與專題討論，使學生了解產業應用


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
本課程預定介紹之主題與進度安排如下:
* 課程導論與 ML 全貌
* 資料前處理與特徵工程
* 監督式學習 (Supervised Learning) I：迴歸模型
* 監督式學習 II：各種分類模型
* 非監督式學習 (Unsupervised Learning)
* 集成式學習 (Ensemble Learning)
* 半監督式學習 (Semi-supervised Learning)
* 主動式學習 (Active Learning)
* 漸進式學習 (Incremental Learning)
* 強化式學習 I: (Reinforce Learning)
* 強化式學習 II：進階方法 Deep Q-Network (DQN)
* 深度學習 I：神經網路基礎
* 深度學習 II：進階架構 CNN、RNN/LSTM，Transformer 簡介
* 專題構想簡報
* MLOps：模型部署、持續整合、監控與維運 (線上)
* 期末專題展示 (線上)


教科書/參考書
無特定之教科書，參考書目如下:
1. Ethem Alpaydin, Introduction to Machine Learning, 4th Ed., Summit Valley Press, 2020.
2. P.N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, 2nd Ed., Addison-Wesley, 2016.


評分標準
出席: 20%
作業: 30%
課堂討論: 20%
期末專題: 30%


學分數
3

授課時數(周)
3

開課班級
L11355

修課人數
19

教學目標
人工智慧(Artificial Intelligence, AI)與金融科技(Financial Technology, Fintech)為當今重要之科技領域，本課程將教授此二領域的背景知識、理論及整合應用，循序漸進以讓學生具備跨此二領域的知識及能力。

授課形式
理論講述與討論-70.00%;個案分析或作品賞析-15.00%;專題實作與報告-15.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
Unit 1. Introduction to Fintech and AI
Unit 2. Simple Investment Models
Unit 3. Introduction to Quantitative Trading
Unit 4. Financial Web Crawlers and Data Scraping
Unit 5. Optimzation and Genetic Algorithms
Unit 6. Introduction to Machine Learning
Unit 7. K-nearest-neighbor algorithm
Unit 8. Information Theory and Decision Trees
Unit 9. Introduction to Weka
Unit 10. AI applications to Stock Market


教科書/參考書
* 自訂教材
* 聰明提問AI的技巧與實例：ChatGPT、Copilot、AgentGPT、AI繪圖，一次滿足(第三版), 吳燦銘
* 參考教材: AI 證券投資分析：探索超額報酬 使用Excel實作，葉怡成


評分標準
Homework: 25% Term projects:75% Class attendance: +-10%

學分數
3

授課時數(周)
3

開課班級
L11355

修課人數
19

教學目標
1. 本課程內容注重於開發嵌入式多核心系統整合技術、程式平行化技術、與應用技術。 2. 希望能藉此課程讓學生具備嵌入式多核心系統整合設計的知識與應用能力 3. 預計講述cuda、pthread、openMP函式應用

授課形式
理論講述與討論-60.00%;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-20.00%;其他-0.00%

課程內容與進度
1. Multicore Processor Architecture 2. Parallel Computing Concepts 3. Basic Parallel Programming 4. CUDA 5. Posix thread programming 6. OpenMP

教科書/參考書
1. Max Domeika, “Software Development for Embedded Multi-core Systems: A Practical Guide Using Embedded Intel Architecture,” Newnes, 2008. 2. S. Akhterm, “Multi-core Programming: Increasing Performance Through Software Multi-threading,” Intel Press, 2006.

評分標準
1. Mid-term Exam: 30% 2. Final Exam: 30% 3. Project:30% 4. Quiz:10% 5. Paper Presentation: 5% 6. Class Participation (Bonus): 5~10%

學分數
3

授課時數(周)
3

開課班級
L11355

修課人數
21

教學目標
1.複習基本演算法設計與分析的技巧
2. 了解演算法目前研究的最新動態
3. 探討各種演算法的實際應用


授課形式
理論講述與討論-60.00%;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-0.00%;其他-0.00%

課程內容與進度
第1-2週 Introduction to algorithms和The complexity of algorithms 第3-7週 The complexity of algorithms 第8-11週 NP-complete problem 第12週期中考 第13週 論文研究方式(講解與分組)、簡介greedy method (第14週 線上分組討論) 第14週 簡介divide-and-conquer algorithms, (第15週 線上分組報告) 第15週 簡介dynamic programming strategy 第16週 個人論文報告

教科書/參考書
S. Dasgupta, C. Papadimitriou, U. Vazirani: Algorithms, 2007, 開發 T. H. Cormen , C. E. Leiserson, R. L. Rivest and C. Stein: Introdution to Algorithms,Graw-Hill Book Company 2001, 開發

評分標準
期中考 40% 專題 40% (分組80%、個人論文20%) 平時(提問)與作業20%

學分數
3

授課時數(周)
3

開課班級
L11355

修課人數
12

教學目標
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。

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

課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度

教科書/參考書
相關論文

評分標準
報告 60%
參與討論 30%
出席 10%

學分數
2

授課時數(周)
2

開課班級
L11355

修課人數
10

教學目標
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。

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

課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度

教科書/參考書
相關論文

評分標準
報告 60%
參與討論 30%
出席 10%

學分數
2

授課時數(周)
2

開課班級
L11455

修課人數
11

教學目標
此課程主要在介紹一般科技論文的結構，各組成單元的寫作原則，資料整理與表達方式等。本課程講授內容規畫以中文論文的寫作為主，但同時亦介紹英文論文寫作的組織、用字遣詞、文法等基本技巧，亦會帶入AI寫作工具的介紹與使用。


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-20.00%;田野調查-0.00%;實驗-0.00%;其他:課堂練習-30.00%

課程內容與進度
1. 課程簡介
2. 基本研究方法
3. 論文組織結構
4. 各單元內容寫作介紹
* 題目
* 摘要
* 引言
* 正文
* 實驗設計
* 結果與討論
* 結論
* 致謝
* 參考文獻
5. 其他議題
* 參考文獻搜集
* 數學符號與公式
* 圖、表設計
* 文獻引用
* 註解
6. 不同體裁之論文專論
* 學位論文
* 研討會論文
* 期刊論文
7. 論文簡報
* 如何準備
* 簡報方式
8. 英文論文寫作專論
* 文法與修辭原則
* 標點符號
* 寫作風格與可讀性
* 常犯錯誤
* 關鍵句介紹
9. 論文徵稿與投稿

教科書/參考書
無特定之教科書

評分標準
出席 30%
課堂練習 30%
作業 20%
期末報告 20%

學分數
3

授課時數(周)
3

開課班級
M11355

修課人數
16

教學目標


授課形式


課程內容與進度


教科書/參考書


評分標準


學分數
3

授課時數(周)
3

開課班級
M11355

修課人數
21

教學目標
本課程包含實作與理論兩部分。實作部分主要希望透過循序漸進的方式，讓學生了解目前擴增實境的應用現況與互動方式，透過Unity的各項功能，從3D遊戲設計到創建擴增實境，最後透過案例實作，使學生具備Unity與AR的開發能力。理論部分可從照相機原理、3D重建到SLAM，讓學生了解AR的基本原理。最後，學生在修完此課程後，能達到學用合一的目標。

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-30.00%;田野調查-0.00%;實驗-0.00%;其他:上機實作-40.00%

課程內容與進度
本課程包含實作與理論兩部分
實作部分：
1.Unity遊戲與擴增實境介紹
2.2D遊戲操作
-物件配置、UI、預製物件
-角色控制、碰撞偵測
-攝影機、動畫
3.3D遊戲-基本操作
-材質
-鏡頭
-光源
-光影
-腳本
4.3D遊戲-進階操作
-場景
-角色控制器
-特效
-碰撞偵測
-自動控制
-GUI粒子系統
5. 2D遊戲APK製作、3D遊戲APK製作
6.擴增實境引擎介紹與註冊
7.AR影像辨識圖卡製作與發佈
8.AR簡易實作
-AR按鈕事件顯示模型
-AR家具互動型錄
-AR立體名片
-AR互動大頭貼與立體相框
-AR上架
理論部分：
1.照相機原理
2.單目視覺測量
3.圖形識別、匹配與3D重建
4.雙目視覺測量
5.運動圖像處理
6.Simultaneous Localization and Mapping，SLAM
期中與期末報告


教科書/參考書
1.Jung Timothy, "Augmented Reality and Virtual Reality," Springer
2.(澳)理查德•哈特利, (英)安德魯•西塞曼宮迅偉，計算機視覺中的多視圖幾何，機械工業出版社，ISBN：9787111632887
3.邱勇標，"Unity 3D遊戲設計實戰（第三版）"，碁峰
4.謝旻儕、黃凱揚，"AR擴增實境輕鬆學：結合虛擬與真實的新科技應用"，深石
5.歐陽芳泉、林淑惠、鄭佳淵，”快快樂樂學 AR影像魔法-使用 Unity 與 Vuforia 開發套件”，台科大


評分標準
考試: 0%
作業: 30﹪
出席: 30﹪
期中報告: 20﹪
期末報告: 20%


學分數
3

授課時數(周)
3

開課班級
M11355

修課人數
38

教學目標
本課程為計算機組織課程的進階課程，將先複習計算機組織課程中的處理器運作基本觀念以及記憶體階層(Memory Hierarchy)基礎運作觀念，先介紹記憶體階層設計的進階技術，然後以處理器為中心到外圍的記憶體架構，先討論在單一處理器上可以提高指令層次平行度(Instruction-Level Parallelism)的技術，之後擴展提高資料層次平行度(Data-Level Parallelism)，將分別介紹向量處理器結構(Vector Architecture)、單指令流多數據流結構(SIMD Architecture)、和圖形晶片的硬體架構（GPU Architecture），到提高執行緒層次平行度(Data-Level Parallelism)的多核心架構，說明多核心架構下共享記憶體所面臨的問題，以及解決策略。

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. Fundamentals of Computer Design 2. Memory Hierarchy Design 3. Instruction-Level Parallelism and its Exploitation 4. Data-Level Parallelism 5. Thread-Level Parallelism

教科書/參考書
J. L. Hennessy and D. A. Patterson, Computer Architecture: A Quantitative Approach, 5th Edition, Morgan Kaufmann Publishing Co., Menlo Park, CA.

評分標準
1. Mid-term Exam: 30% 2. Final Exam: 30% 3. Project:25% 4. Quiz:10% 5. Paper Presentation: 5% 6. Class Participation (Bonus): 5~10%

學分數
3

授課時數(周)
3

開課班級
M11355

修課人數
29

教學目標
醫療資訊學是探討如何將資訊科學與技術運用於醫學和衛生保健等領域的研究，實際包含的內容相當廣泛，屬於跨領域的研究。本課程主要的目標在於介紹此領域的相關資源、設計和方法，特別著重於如何運用資訊科技，如人工智慧、影像處理、信號處理等，於醫療資料，如電子病歷、檢驗資料的獲取、儲存、隱私保護、分析和決策利用。同時也會介紹相關的標準化，如: DICOM, HL7、FHIR，和醫學詞彙，如：SNOMED、ICD Code、UMLS、MedDRA等。

授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;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
** Course Introduction & Understanding Medical Data (1 Week)
1.1 EHR
1.2 DICOM
1.3 Other Standards, e.g., HL7, FHIR, UMLS, SNOMED, MedDRA
** Medical Data Processing and Analysis
Topic 1: Medical Image Processing
1.1 Basic Concept (2 weeks)
Introduction, Medical Imaging Modalities: X-Ray Imaging
Medical Imaging Modalities: Magnetic Resonance Imaging
1.2 Technologies (2 week)
Image Reconstruction, Image Segmentation
1.3 Case Studies (1 week)
Endoscopy Artefact Detection by Deep Transfer Learning

Topic 2: Medical Signal Processing
2.1 Basic Concept (1 week)
Introductions of biomedical signals: EEG, EOG, EMG, ECG
2.2 Technologies (1 weeks)
Feature extraction for biomedical signals
Classification methods for biomedical signals
2.3 Face Emotion Recognition (FPGA Pratices) (4 weeks) 2.3.1 Face Detection Traditional and deep learning face detection methods 2.3.2 Model Compression Model compression technique, quantization, Sparsity 2.3.3 Hardware Acceleration Hardware acceleration techniques, output Stationary, Systolic Array 2.3.4 Face Detection based on FPGA Implementation of face emotion recognition accelerator on FPGA Topic 3: Medical Data Privacy and Anonymization
3.1 Basic Concept
HIPPA, Privacy Preserving Data Publishing (0.5 week)
3.2 Technologies (2.5 weeks)
Privacy Protection Model
Data Anonymization Methods
3.3 Case Studies (1 week)
Blood Transfusion Service Data
Adverse Drug Event Reporting Data

Topic 4: Public Health Safety Surveillance
4.1 Drug and Vaccine Safety and Surveillance (1 week)
FAERS and VAERS system
4.2 ADR signal detection methods (1 week)


教科書/參考書
無具體教科書，由授課老師自行編寫講義。

評分標準
課堂討論&作業 30%
案例研討報告 30%
論文報告 30%
出席 10%


學分數
3

授課時數(周)
3

開課班級
M11355

修課人數
26

教學目標
1. Learning the basic steps in medical image processing.
2. Practicing medical image processing in the PYTHON environment.


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. Introduction
2. Image Formation
3. Interaction of Electromagnetic Radiation with Matter in Medical Imaging
4. Medical Imaging Modalities: X-Ray Imaging
5. Medical Imaging Modalities: Magnetic Resonance Imaging
6. Image Reconstruction
7. Project Implementation


教科書/參考書
教科書：Medical Image Analysis, Second Edition, by Atam P. Dhawan, IEEE Press, 2011. 全華圖書代理
參考書：1. Digital Image Processing, Third Edition, by Rafael C. Gonzalez and Richard E. Woods, Prentice Hall, 2008. 歐亞代理


評分標準
Midterm (Paper report) (30%)
Term project (50%)
2 Homework assignments (20%)
Class attendance (-10~+10%)


學分數
3

授課時數(周)
3

開課班級
M11355

修課人數
19

教學目標
1. 本課程內容注重於開發嵌入式多核心系統整合技術、程式平行化技術、與應用技術。 2. 希望能藉此課程讓學生具備嵌入式多核心系統整合設計的知識與應用能力 3. 預計講述cuda、pthread、openMP函式應用

授課形式
理論講述與討論-60.00%;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-20.00%;其他-0.00%

課程內容與進度
1. Multicore Processor Architecture 2. Parallel Computing Concepts 3. Basic Parallel Programming 4. CUDA 5. Posix thread programming 6. OpenMP

教科書/參考書
1. Max Domeika, “Software Development for Embedded Multi-core Systems: A Practical Guide Using Embedded Intel Architecture,” Newnes, 2008. 2. S. Akhterm, “Multi-core Programming: Increasing Performance Through Software Multi-threading,” Intel Press, 2006.

評分標準
1. Mid-term Exam: 30% 2. Final Exam: 30% 3. Project:30% 4. Quiz:10% 5. Paper Presentation: 5% 6. Class Participation (Bonus): 5~10%

學分數
3

授課時數(周)
3

開課班級
M11355

修課人數
15

教學目標
隨著資訊與通訊科技的蓬勃發展，網際網路的連結裝置，從傳統以電腦為主，目前已擴大到具行動性的智慧型裝置，如手機、手錶、眼鏡、車輛、飛行器等裝置，未來也將應用到更多樣的設備或物體上。以物體聯網應用為導向的物聯網，遂成為目前熱門的學術研究與產業發展議題。本課程將介紹物聯網的概念，並說明與物聯網有關的網路與系統技術，以及應用現況及未來展望。主要以LoRa協定與相關模組之應用為基礎。

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-30.00%;田野調查-0.00%;實驗-10.00%;其他-0.00%

課程內容與進度
課程前半段時間將介紹Arduino Nano BLE平台的應用，以它為中心學習開發板、LoRa協定和模組、與機器學習的應用。  內建感測器應用  BLE  UART  LoRaWan協定簡單介紹  LoRaWan模組應用  MQTT  基礎機器學習介紹與應用 後半學期介紹紹IoT相關通訊協定技術知識與產業應用，教學內容以IoT技術為主軸，包含：NB-IoT, LoRa, Fog, and NR等，介紹IoT與5G之關聯性，以及IoT的產業應用等等 本課程將介紹物聯網系統實作中常用到的LoRa協定，上半學期主題將透過外部MCU(如Arduino Nano BLE)以UART傳送LoRa指令，並結合可以運作在開發板上的機器學習機制，帶領學生做物聯網專題軟硬體整合規劃，執行硬體與軟體整合設計建置專題。

教科書/參考書
自編教材與指定論文

評分標準
暫定：

• 課程出席
• 隨堂表現
• 期中報告暨書報討論
• 期末考/期末專題

學分數
3

授課時數(周)
3

開課班級
M11355

修課人數
30