課程資訊-學分學程

資訊科技應用學分學程

本表僅作課程一覽與概略參考，詳細條文請參見修業規定。

選修科目：各領域至少修習 6 學分，共計 12 學分

人工智慧技術與應用學分學程

本表僅作課程一覽與概略參考，詳細條文請參見修業規定。

選修科目：至少應修 12 學分

電腦音樂與音訊技術學分學程（音樂系主辦）

本表僅作課程一覽與概略參考，詳細條文請參見修業規定。

一、必修科目：共計 5 學分

二、選修科目：至少應修習 8 學分

人工智慧自然語言技術學分學程

本表僅作課程一覽與概略參考，詳細條文請參見修業規定。

共計 15 學分

常規課程清單

人工智慧視覺技術學分學程

本表僅作課程一覽與概略參考，詳細條文請參見修業規定。

共計 15 學分

常規課程清單

資訊系統與安全專業學分學程

一、主軸／發展方向說明

本學程以「資訊系統與資訊安全：理論與實務」為核心主軸，旨在培養學生理解資訊系統之底層運作、系統軟體建構與安全防護機制。課程由作業系統與資訊安全奠定系統運作與安全概念基礎，進一步透過系統程式與編譯系統設計，強化學生對系統軟體、程式執行環境與工具鏈建構之理解；並結合網宇實體系統、應用密碼學與資訊安全架構等課程，使學生能掌握資訊系統與實體環境整合、密碼技術應用、系統與網路安全架構設計等能力。整體而言，本學程旨在培養兼具資訊系統設計基礎、系統軟體實作能力與資訊安全防護思維之人才。

二、核心能力

1. 系統運作與資源管理能力：能理解作業系統中行程、執行緒、排程、同步、記憶體管理、檔案系統與輸入輸出管理等核心概念，掌握資訊系統底層運作原理。
2. 系統程式與工具建構能力：能理解組譯器、連結器、載入器、巨集處理器、系統呼叫與編譯系統等系統軟體之設計原理，並具備基礎系統程式實作能力。
3. 資訊安全基礎與安全程式能力：具備資訊安全基本知識，能理解密碼學、網路安全、作業系統安全、安全程式設計與常見攻擊手法之基礎概念。
4. 密碼學與安全協定應用能力：能理解古典與近代密碼學之基本原理，包含對稱式加密、公開金鑰系統、雜湊函數、數位簽章、認證、金鑰分配與秘密分享等技術。
5. 安全架構與防護設計能力：能從系統、網路、雲端與邊緣運算等架構層面辨識資安威脅，並具備設計安全防護機制與資訊安全架構之能力。
6. 網宇實體系統與跨域整合能力：能理解資訊系統與實體環境之互動，掌握網宇實體系統之建模、控制、即時系統與案例應用，並具備跨系統整合與專題實作能力。

三、課程內涵簡介

本學程課程設計由作業系統與資訊安全基礎出發，逐步延伸至系統程式、編譯系統、網宇實體系統、應用密碼學與資訊安全架構等主題。基礎課程強化學生對資訊系統運作與安全基本概念之理解；核心課程則從系統軟體建構、程式執行環境、資訊與實體環境整合、密碼技術與資安架構設計等面向，培養學生分析、設計、實作與評估資訊系統與安全防護機制之能力。

四、修習科目表

認證條件：至少應修 15 學分。

科目名稱旁加註『E』者，僅採認全英語授課。

基礎課程（至少應修 6 學分）

核心課程（至少應修 3 門課）

資料科學專業學分學程

一、主軸／發展方向說明

本學程以「資料科學與資料驅動決策」為核心主軸，回應大數據、人工智慧與資料驅動決策時代的人才需求，整合數理統計、資料管理、資料處理、資料視覺化、資料探勘、預測建模與人工智慧等跨領域技能。課程設計旨在培養學生由問題定義出發，進行資料取得、資料整理、探索式分析、統計推論、模型建構與結果解讀，並能以視覺化與報告方式傳達分析洞察。整體而言，本學程期望培養學生具備資料分析實作、資料管理、預測建模與資料驅動問題解決能力，以支援跨領域資料應用與決策分析。

二、核心能力

1. 數理統計與推論能力：具備描述統計、機率、統計推論、假設檢定與迴歸分析等基礎能力，能以嚴謹的量化方法理解資料特性與分析結果。
2. 資料管理與資料處理能力：能理解資料庫模型、資料庫設計、查詢語言與資料整合方式，並能進行資料取得、整理、清理與轉換。
3. 資料分析與建模能力：能運用資料科學、資料探勘、人工智慧與預測學習方法，針對不同資料與問題建立分類、分群、迴歸或預測模型。
4. 資料視覺化與溝通能力：能依據資料型態與分析任務選擇合適的視覺化方法與工具，並以圖表、互動式視覺化或書面報告傳達分析洞察。
5. 資料驅動問題解決能力：能將資料科學方法應用於實際情境，理解資料限制、分析偏差與倫理議題，並提出可行之資料驅動解決方案。

三、課程內涵簡介

本學程課程設計以數理統計作為基礎，並透過資料庫理論、資料科學、資料視覺化、資料探勘、人工智慧與預測學習等核心課程，培養學生從資料取得、管理、整理、分析、建模到結果呈現的完整資料科學能力。課程內容兼顧統計推論、資料系統、視覺化工具、資料探勘演算法、人工智慧方法與預測模型，使學生能依據不同資料型態與應用情境選擇合適方法，完成資料分析、模型建構與資料驅動決策之實務應用。

四、修習科目表

認證條件：至少應修 15 學分；「資料科學」為 115 學年後新開課程。

科目名稱旁加註『E』者，僅採認全英語授課。

基礎課程（至少應修 3 學分）

核心課程（至少應修 4 門課）

雲端運算專業學分學程

一、主軸／發展方向說明

本學程以「網路系統與雲端服務整合」為核心主軸，培養學生理解雲端運算所需之網路通訊、作業系統、資料傳輸、軟體工程與物聯網應用等基礎。課程以計算機網路與作業系統作為必修基礎，強化學生對網路協定、系統資源管理與軟硬體運作機制的理解；並透過資料通訊、高等計算機網路、軟體工程與物聯網應用等核心課程，進一步培養學生在資料傳輸機制、雲端資料中心與進階網路技術、軟體系統開發及物聯網前後端整合上的能力。整體而言，本學程旨在培養具備網路系統基礎、雲端服務開發與物聯網應用整合能力之人才。

二、核心能力

1. 網路通訊與協定基礎能力：具備計算機網路之基本知識，能理解網路層、傳輸層與應用層之運作原理，並掌握路由、擁塞控制、服務品質與網路效能評估等基礎概念。
2. 作業系統與系統資源管理能力：能理解作業系統中行程與執行緒、排程、同步、記憶體管理、檔案系統與輸入輸出管理等核心概念，作為雲端基礎架構與系統開發之基礎。
3. 資料通訊與系統效能分析能力：能理解資料通訊機制、主機與裝置間之資料傳輸模式、佇列模型、錯誤處理與通訊效能分析方法，並具備進行基礎通訊系統實作與評估之能力。
4. 雲端網路與進階網路技術能力：能理解軟體定義網路、雲端資料中心網路、網路安全與流量分析、內容傳遞網路及新興網路應用技術，具備分析現代雲端網路系統之能力。
5. 軟體系統開發與專案整合能力：能運用軟體工程方法進行需求分析、系統設計、架構規劃、測試除錯與專案管理，並能透過團隊合作完成雲端或網路服務相關軟體系統開發。
6. 物聯網與雲端應用整合能力：能理解物聯網感知層、網路層與應用層之核心技術，並能結合感測裝置、網路通訊、雲端平台、資料處理與視覺化，完成基礎之物聯網應用整合。

三、課程內涵簡介

本學程課程設計以計算機網路與作業系統作為雲端系統基礎，銜接資料通訊、軟體工程、高等計算機網路與物聯網應用等核心課程。學生將由網路協定與作業系統資源管理入門，進一步理解資料傳輸機制、現代網路系統、雲端資料中心、軟體開發流程與物聯網前後端整合，培養雲端運算與網路服務開發所需之系統設計、實作與應用能力。

四、修習科目表

認證條件：至少應修 12 學分；「物聯網應用」為 115 學年後新開設課程。

科目名稱旁加註『E』者，僅採認全英語授課。

基礎課程（至少應修 2 門課）

核心課程（至少應修 2 門課）

多媒體技術專業學分學程

一、主軸／發展方向說明

本學程以「多媒體資訊處理與互動應用」為核心主軸，旨在培養學生運用資訊技術處理、分析與應用多媒體資料之能力。多媒體資料包含文字、影像、語音、音訊、圖形與互動介面等不同型態，其處理過程涉及數學基礎、資料分析、訊號與影像處理、自然語言處理、計算機圖學與使用者互動設計等技術。本學程透過資料科學與工程數學建立學生分析與建模所需之基礎能力，並以影像處理、語音處理、自然語言處理與計算機圖學作為核心技術訓練，進一步結合音訊技術與電腦音樂、擴增／虛擬實境實務及 UI／UX 設計實務等應用課程，培養學生將多媒體技術應用於智慧媒體、互動系統、沉浸式體驗與人機介面設計等實務場域之能力。

二、核心能力

1. 多媒體基礎與數理能力：具備多媒體資訊處理所需之工程數學、資料分析與數位信號處理基礎，能理解不同型態媒體資料的表示與處理方法。
2. 影像與視覺資訊處理能力：能運用影像處理與計算機圖學技術，處理視覺資料並支援多媒體視覺應用。
3. 語音、音訊與語言處理能力：能理解語音處理、音訊分析與自然語言處理之基本方法，並應用於語音辨識、文字分析、音訊特徵處理或智慧互動系統。
4. 多媒體應用系統整合能力：能整合影像、語音、文字、音訊與互動介面等多種媒體資料，設計具備實務應用價值之多媒體系統。
5. 互動媒體與使用者體驗設計能力：能理解擴增／虛擬實境、UI／UX 設計與互動媒體應用之基本概念，並具備將多媒體技術應用於互動情境之能力。

三、課程內涵簡介

本學程課程設計以多媒體資訊處理與互動應用為主軸，先由資料科學、工程數學與數位信號處理建立資料分析、數學建模與訊號處理基礎，再透過影像處理、語音處理、自然語言處理與計算機圖學等課程，培養學生處理不同型態媒體資料之核心能力。核心課程進一步結合擴增／虛擬實境實務與 UI／UX 設計實務，使學生能將多媒體處理技術應用於互動系統、沉浸式體驗、人機介面與多媒體應用開發等實務場域。

四、修習科目表

認證條件：至少應修 15 學分；「資料科學」預計於 115 學年後新開課程。

科目名稱旁加註『E』者，僅採認全英語授課。

基礎課程（至少應修 2 門課）

核心課程（至少應修 3 門課）

人工智慧技術專業學分學程

一、主軸／發展方向說明

本學程以「人工智慧核心技術培育」為主軸，系統性引導學生由程式設計基礎出發，逐步深入深度學習導論、機器學習等核心理論，並延伸至電腦視覺與自然語言處理等前瞻應用領域。整體學程設計旨在完整涵蓋當代人工智慧技術的主要發展方向，培養學生具備人工智慧模型建構、資料處理、系統實作與應用開發能力。

二、核心能力

1. 程式實作能力：具備程式設計能力，並能使用 Python 語言及相關科學計算套件（如 NumPy、Pandas、Matplotlib）進行資料處理、模型實作與結果視覺化，具備從事人工智慧開發工作所需之程式設計基礎。
2. 機器學習建模能力：能針對分類、迴歸、分群等不同任務，選擇適當的機器學習演算法，進行特徵工程、模型訓練、交叉驗證、效能評估與結果解讀。
3. 深度學習應用能力：熟悉前饋神經網路、卷積神經網路（CNN）、遞迴神經網路（RNN）等主流深度學習架構，並能使用 PyTorch 或 TensorFlow 等框架設計、訓練與部署深度學習模型。
4. 視覺感知技術能力：能運用電腦視覺技術處理影像與視訊資料，包含影像前處理、特徵萃取、目標偵測與影像分割，並具備應用於實際視覺感知任務之能力。
5. 語言理解與生成能力：能理解並運用自然語言處理核心技術，包含語言結構分析、統計語言模型、詞彙與語意處理、Transformer 架構與預訓練語言模型等方法，並具備應用於文字分析、語言理解與生成式人工智慧相關任務之基礎能力。

三、課程內涵簡介

本學程課程設計由程式設計基礎出發，逐步銜接人工智慧、機器學習、深度學習、電腦視覺、自然語言處理與類神經網路等核心技術。基礎課程「程式設計（二）」培養學生進階程式設計、資料結構實作與專題開發能力，作為後續人工智慧模型實作之基礎。核心課程則涵蓋人工智慧基本理論、機器學習模型建構、深度學習架構設計、影像理解、語言處理與神經網路應用，使學生能從理論、方法到實作逐步建立人工智慧技術能力，並具備應用於智慧系統開發與相關研究之基礎。

四、修習科目表

認證條件：至少應修 15 學分；「深度學習導論」預計於 115 學年新開課程。

科目名稱旁加註『E』者，僅採認全英語授課。

基礎課程（至少應修 1 門課）

核心課程（至少應修 4 門課）