|
課程名稱
|
開課學校
|
開授教師
|
上課時間
|
選修限制
|
課程要求
|
|
智慧製造執行系統
Intelligent Manufacturing Execution Systems
|
成功大學 |
陳裕民
|
星期一 14:10-17:00
(實體)期中、末評量：4/20、6/22
|
研究所
大三以上
可選修
|
Class attendance
Discussion participation
|
|
大型語言模型與資訊安全系統
Applying Large Language Models in Cybersecurity Systems
|
臺灣科技大學
|
林俊叡
|
星期一 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。
|
研究所 |
＊英文授課
|
|
生成式AI應用系統與工程 Generative AI Application Systems and Engineering
|
成功大學
|
莊坤達
|
星期三 14:00-17:00
|
研究所
大學可選修
|
具備基本程式設計能力。
具備基本Web技術（HTML/CSS/JS）與GitHub使用經驗。
對雲端服務有初步認識者佳（不為必要條件）。 |
|
機率與統計
Probability and Statistics
|
臺灣大學
|
葉丙成
|
同步遠距
2/26 20:00-22:00
3/12 20:00-21:00
3/26 20:00-21:00
4/9 20:00-21:00
4/30 20:00-21:00
5/14 20:00-21:00
6/4 20:00-21:00
線上講題 (以上為暫定時程,後續若有調整將於課程網頁與社團另行公告)
(實體)期中評量：4/16 14:30-17:30
(實體)期末評量：6/11 14:30-17:30
|
大學部 |
1.本課程將運用微積分，若同學尚未具備相關基礎，建議預先觀看以下台大開放式課程影片（總時長約 6 小時），內容涵蓋本課程所需主題（影片連結：https://ocw.aca.ntu.edu.tw/courses/103S121），觀看以下內容能建立課程所需基礎，同學亦可依個人需求尋找其他學習資源：
1-1.極限概念與自然對數（影片前30分鐘）
1-2.導函數的基本性質（影片前40分鐘與後30分鐘）
1-3.連鎖法與其應用
1-4.反導函數與線性逼近（影片前20分鐘）
1-5.黎曼和與定積分
1-6.積分技巧-變換變數法（影片前30分鐘）
1-7.多變數函數的積分-二重積分
2.本課程之影片將統一發布於 NTU COOL 平台，同學需觀看所有課程影片，並完成線上作業。
3.期中考與期末考將於各校考場以「實體」方式舉行，請同學務必確認自己能於表定日期與時間出席應考。
|
|
深度學習
Deep Learning
|
陽明交通大學
|
彭文孝
陳永昇
謝秉均
|
星期四 12:20-15:10
(實體)期末評量：6/4 12:20-15:10
|
研究所
大四以上
可選修
|
＊英文授課
You must have access to GPU equipped with at least 6GB of memory.
|
|
人工智慧倫理
AI Ethics
|
東海大學
|
甘偵蓉
校內協同：待定
|
星期二
15:20-18:10
|
大學部 |
無
|
|
生成式AI的人文導論
Introducing Generative AI for Humanities
|
臺灣大學
|
謝舒凱
|
星期五 10:20-13:10
|
無 |
本課程的作業與練習，從傳統偏重工程或程式碼的細節，轉向以直覺、風格和語義驅動的「Vibe Coding」實踐。不具備python程式知識亦可。但是要具有開放、樂於學習新事物的精神與毅力，才能有所收穫。 |
|
機器導航與探索
Robotic Navigation and Exploration
|
清華大學
|
胡敏君
校內協同：待定
|
星期一
18:30-21:20
|
無
|
建議學生需已修過Python程式設計、影像處理、深度學習相關課程。
學生須自備具GPU顯卡之電腦。
本課程期末專題採分組開發，為避免影響同組修課同學之權益，本課程不接受期中退選，請謹慎評估可投入的時間再選課。 |