►本碩士學位學程主要將課程主題分為四大項:
-
AI基礎理論
透過嚴謹的AI基礎理論課程，讓學生在實際進行開發運用前，深度理解人工智慧、深度學習與機器學習等主流技法，與從淺層的學習架構到近期深度架構的演變與技術突破。
-
大數據分析
在數據爆炸的時代中，諸多產業漸漸將資料數據化，運用大數據的技術，收集有價值的資訊，轉變成為商業重要且關鍵的資產。本課程主題除了將透過課堂解析實際案例，學習獨立完成從原始資料收集、加工、分析，乃至於落實應用，也鼓勵學生從課堂中激盪出新的問題與機會，收集有價值的數據，並進一步對問題做出優化的解決方案。
-
AI訊號與視覺
至今為止，圖像和語音等訊號結合人工智慧運用於識別的技術，是近年來深度學習最蓬勃發展的一塊領域，然而前提是必須讓人工智慧學習到正確的資訊。所以本課程主題會以理論介紹結合上機實作方式，引領學生熟悉圖像及語音訊號於電腦中的表現形式以及處理方法，並將訊號轉化為適合於人工智慧學習的資訊。
-
AI進階運用
本課程主題以理論基礎為基底，結合大數據與訊號處理，運用人工智慧於解決實際層面問題，此外，課程規畫上也將導入各產業遇到的問題，以跨領域產學合作方式，帶領學生以人工智慧技術應用學習解決問題能力，縮短學生在課堂學習與實際進入職場後帶來的落差，使學生擁有畢業後就能夠無縫投入職場的能力。
圖1 本學位學程課程地圖
►111學年入學學生課程內容如下：
必修：
選修：
- 智慧物聯網
- 行動裝置程式設計
- 智慧系統技術
- 影像視訊處理
- 互動式系統設計
- 型樣挖掘
- 機器學習
- 啟發式演算法
- 可適性濾波演算法與實務應用
- 嵌入式機器人
- 模糊控制
- 數位影像處理
- 模糊理論與應用
- 語音訊號處理
- 大數據理論與應用
- 人工智慧研究與應用
- 資料探勘
- 人機介面與行為分析
- 可變結構控制
- 估測理論
- 深度學習與應用
- 類神經網路與深度學習
