科目概覽 (2026/27學年)

本課程旨在培養學生運用先進視覺化技術與策略性溝通技巧，將複雜的工業數據轉化為清晰可行的洞察。學員將學習為預測性維護日誌、供應鏈流動及能源消耗模式等數據集設計直觀且具影響力的視覺化方案。透過Tableau、Qlikview、Power BI、Python函式庫和D3.js等工具解決現實世界的工業挑戰。課程以小組項目作為結尾，學生需構思並呈現引人入勝的數據驅動敘事作品，展現向利益相關者有效傳達洞察的能力，並將分析成果與組織策略相結合。本課程採常規模式授課，所有必修實驗資源均完整提供，學生需具備基礎自主學習能力。

本課程探討在學習和應用程式設計技能過程中整合生成式人工智慧工具的方法。學生將學習如何利用最先進的生成模型來提升程式設計能力並開發創新應用。課程內容涵蓋基礎程式設計概念、實際實現策略以及倫理考量。透過實踐專案，學生將獲得使用生成式人工智慧輔助程式設計、除錯和專案開發的經驗，為應對高階程式設計挑戰做好準備。

本課程全面介紹工業和城市環境中的智慧互聯與資訊融合。學生將學習如何整合來自多個來源的資料，以提升決策效率和運營效能。課程內容涵蓋資訊融合和工業物聯網（IIoT）方法的基礎知識，強調其在各類工業領域中的應用。透過真實案例研究，展示這些技術如何被用於最佳化流程、提升系統可靠性並推動創新。

本課程在工業環境中融合了控制系統理論與實際資料分析。學生將學習動態系統的建模、分析與設計技術，掌握經典與現代控制策略的堅實基礎。課程強調反饋機制與穩定性分析的重要性，使學生能夠有效設計並實施適用於不同應用場景的控制系統。除了控制理論外，課程還深入探討工業分析，強調系統辨識和資料驅動決策在最佳化工業過程控制中的重要性。透過真實案例研究，展示如何應用分析技術提升運營效率、減少停機時間並推動創新。

本課程為學生提供展示其在特定工業領域（如製造、能源、交通、物流和醫療）中解決資料分析問題的創新能力與主動性的機會。學生將在指導教師的監督下，獨立完成一個主要專案，該專案可以是理論性的，也可以是實踐性的。課程旨在培養學生將資料分析知識與技能整合並應用於不同場景的能力。該課程也作為一個平臺，讓學生展示並分享其在現實世界中涉及工業資料分析的學術和/或行業問題的創新研究成果。

本課程全面介紹具身智能，強調在工業情境中整合感知、認知及自主決策。學生將探索多模態感知、即時數據融合及適應性控制的尖端技術方法，賦能智能系統有效與動態物理環境互動。重點課題包括邊緣運算、人機協作及智能自動化在優化工業工作流程中的應用、實現預測性維護及推動工業 4.0 創新。透過智慧製造、機器人及自主系統的實踐項目和行業案例研究，學生將獲得設計及部署具身智能解決方案的實務經驗，彌合理論模型與真實應用之間的差距。本課程以常規模式開設。此外，所有必備實驗室資源均已齊備，學生需具備基本的自主學習能力。

本課程提供數位孿生技術的基礎理解，這是一種新興模式整合實體系統與其虛擬對應體，以實現即時監控、模擬及優化。學生將掌握建置及部署數位孿生的尖端技術，運用即時資料串流、預測分析及 AI 驅動模擬以提升工業決策水平。課程整合物聯網、邊緣運算及工業元宇宙框架的跨領域協同，強調智慧製造應用。通過實踐項目和行業案例研究，學生將獲得設計可擴展數位孿生解決方案的實務技能，從而提升效率、降低成本，並開啟工業 4.0 創新的新範式。本課程以常規模式開設。此外，所有必備實驗室資源均已齊備，學生需具備基本的自主學習能力。

本課程深入探討大型語言模型（LLMs），重點介紹其原理、架構、訓練方法和應用。學生將學習大型語言模型的發展歷程，從早期模型到如 GPT-4 等最先進的系統。課程涵蓋自然語言處理、遷移學習以及人工智慧中的倫理問題等關鍵概念。透過實踐專案和案例研究，學生將獲得在多個領域開發和部署大型語言模型的實際經驗。

深度學習是機器學習中最前沿的技術之一。它是一種神經網路，用於建立和模擬人腦的分析學習機制，並透過模仿人腦機制來解釋資料。深度學習廣泛應用於計算機視覺、語音識別、自然語言處理等領域。本課程旨在提供對現有深度學習方法的深入理解和實踐經驗。課程內容涵蓋如何選擇深度神經網路、如何設計深度神經網路，以及如何訓練和最佳化神經網路以用於實際應用。課程將介紹深度神經網路模型，包括卷積神經網路、迴圈神經網路、長短期記憶網路、深度殘差網路、生成對抗網路、基於注意力的模型、對抗學習模型，以及訓練技術，包括Dropout、批次歸一化、啟用函式選擇等。課程還將介紹並應用TensorFlow、PyTorch或其他最先進的深度學習工具，以解決商業領域中涉及海量資料的各類問題。

本課程旨在幫助學生理解大資料的概念與挑戰。重點在於應對大資料中的“V”特徵（體量、速度、多樣性、真實性、關聯性和價值）所需的資料分析技術，以及這些特徵如何影響資料的收集、監控、儲存、分析和報告。課程將介紹大資料領域的以下主題：分散式檔案系統、大資料分析技術、大資料的高效能處理演算法、大資料搜尋與查詢技術。課程中將介紹一個用於管理和處理大規模資料的大資料管理系統示例（如Apache Spark）。課程還將詳細講解大資料在商業中的分析應用。學生將透過作業、作品集開發和專案積極參與課程的學習過程。

醫療保健分析正在全面變革傳統醫療體系，使醫療服務更加高效、便捷和個性化。本課程將向學生介紹支援智慧醫療的關鍵技術。課程講解如何構建監測基礎設施，以及如何透過物聯網（IoT）技術從多個來源的可穿戴感測器收集並回傳資料，包括介質訪問控制（MAC）協議和路由協議。課程還將介紹健康與醫療資料的融合、資料模型、資料管理、機器學習演算法，以及用於健康風險預測的分析技術與工具。課程中將詳細講解相關案例研究和應用示例。

自2008年誕生以來，區塊鏈技術已超越其加密貨幣根源，成為多個行業的變革力量。本課程提供區塊鏈原理的基礎理解，並探索其在物聯網（IoT）、建築及其他領域的實際應用。透過真實案例研究、實操作業及專案式學習，學生將分析區塊鏈如何重塑商業模式、提升透明度，並推動各行業創新。本課程以常規模式開設。

本課程聚焦於整合先進技術以提升城市物流和供應鏈管理。課程涵蓋物聯網（IoT）、人工智慧和資料分析在即時追蹤、高效路徑規劃和資源最佳化方面的應用。學生將探索智慧倉儲、自動化配送系統和可持續實踐。透過案例研究和實踐專案，學生將學習如何設計和實施創新的物流解決方案，以提升效率、降低成本並減少環境影響，為應對智慧城市中複雜的城市物流挑戰做好準備。

本課程涵蓋在物流、金融、醫療和製造等多個行業中開發和應用數學模型、統計分析和最佳化技術以解決複雜問題。課程從運籌學的基礎概念入手，包括線性規劃、整數規劃和網路模型。學生將學習如何將現實問題轉化為數學模型，並使用各種演算法尋找最優或近似最優解。主要內容包括單純形法、對偶理論、敏感性分析、運輸與指派問題。除了數學建模外，課程還強調使用 MATLAB、Excel Solver 和專業運籌學軟體來實現和求解模型。

這是一門專門課程，旨在使學生掌握分析和解釋複雜城市資料所需的技能和知識。課程重點在於應用資料科學技術來應對城市挑戰、提升城市規劃和改善公共服務。課程結束時，學生應能理解多種城市資料收集方法，包括感測器、物聯網裝置和公共資料集，並能夠管理和預處理大型資料集以進行分析。