項次

課程名稱

課程目標

課程內容

講師

時數

1

Python程式設計(初階)

Python程式語言簡單直覺、同時也是免費開源且具跨平台特性。此外，各種豐富函式庫適用於網頁、大數據分析、機器學習乃至於深度學習等程式應用的開發。本課程目的在於學習Python程式語言之基礎寫作技巧，作為進階課程之基礎。

本課程著重python基礎程式寫作技巧之訓練，內容包括變數型態、基本運算元、基本輸出與輸入、條件判斷、迴圈、容器(元祖、串列、集合、集合)、函數及模組等。

周智勳副教授

30

2

Python程式設計(進階)

本課程讓學員透過Python模組，學習進行資料處理、分析等技巧，及學習網頁爬蟲、網路資料擷取、及機器學習等概念與實作，以解決實際環境困難的問題。

1.Python資料儲存與處理

2.多維陣列與檔案處理

3.載入數據格式介紹

4.資料分析(numpy套件)

5.資料分析(pandas套件)

6.資料視覺化(matplotlib套件)

7.網路爬蟲

8.網路開放平台資料擷取

9.機器學習

梁秋國副教授

30

3

C程式語言

本課程的目標在讓學生透過C程式的學習，建構程式設計的思維邏輯，並運用C程式解決問題的能力。

本課程向學生介紹C程式設計，學生會學習C程式的基本元件及結構、定義變數、 及使用運算子及運算元建構C的運算式及敘述、陣列、及函式，建構完整的C程式。

張欽智助理教授

30

4

人工智慧

「人工智慧」是指透過科學和工程的手段賦予機器(電腦) 實現人類的智慧技術，讓機器能具有類似人類推理、知識、規劃、學習、交流、感知、移動和操作物體的能力。簡單來說，人工智慧就是指一個能讓機器「觀察周遭環境並做出行動以達目標」的系統。本課程的目的是介紹人工智慧（AI）中的觀念，介紹設計人工智慧系統所需的一些基本工具和演算法，使得這些系統能夠表現出有限的AI能力，特別是通過搜索，代表和推理知識，計劃和學習來解決問題。

1. 人工智慧簡介
2. 智慧型代理人
3. 藉由搜尋解決問題
4. 導引搜尋與探勘
5. 對抗搜尋
6. 遺傳演算法
7. 機器學習
8. 分群與分類
9. 類神經網路

陳建宏助理教授

30

5

機器學習

機器學習，可分為監督式學習和非監督式學習及強化學習。本課程將以上述二種學習模式為課程理論主軸，以進階應用為依據，設計兼具理論與實作的課程內容，以做為系列課程的扎實核心基礎。

課程內容包括基礎數學、非監督式學習之分群、監督式學習之神經元運作搭配 least squares learning rule與全連結網路搭配back-propagation learning rule以及深度學習之捲積網路及循環神經網路。每個章節皆安排matlab、python軟體搭配TensorFlow或Keras等套件進行實做練習，幫助學員理論的理解及應用的訓練。

黃雅軒副教授

30

6

影像處理

介紹影像處理與影像辨識之基本觀念及演算法。主要目的是讓電腦能自動地對攝影機取得的影像或影片，進行初步影像處理，得到清晰之影像，可以進一步執行影像分析與學習，以準確辨識影像中的人物、地點和事物。影像處理技術可應用於工業檢測、先進駕駛輔助系統、人臉辨識、醫學影像分析、環境分析監控、物件偵測、異常事件偵測、物件追蹤，以及視影片內容分析等。

課程內容包括

(1)影像處理基礎

(2)影像強化(對比加強、柔化影像)

(3)彩色影像處理

(4)影像表示方法

(5)影像切割技術

(6)影像特徵分析等。

李建興教授

30

7

智慧檢測專題實作

本課程目標將以智慧檢測議題轉化為PBL專題實作之題目，具體鏈結企業之需求，讓學生除了在課程中理解智慧檢測之原理及技術，並具備親自解決問題之經驗與能力。

本課程內容以監督式學習及非監度式深度學習網路讓學員實做晶圓瑕疵檢測、PCB電路瑕疵檢測及水果品質分類等。以上應用皆已建置相關資料庫。

連振昌特聘教授兼資訊電機學院院長

30

8

產業媒合

面試

面試

待聘業師

6