科目概覽

本課程旨在為以人為本的設計原則及其在人工智能開發中的實際應用奠定全面的基礎。它賦予學生必要的知識和技能，以便在從初始概念到最終部署的整個AI產品生命週期中實施設計思維方法論。學生將培養解釋基本設計原則的能力，展示對AI產品開發週期的理解，並應用系統化方法來識別用戶需求和定義解決方案要求。課程進一步使學生認識到用戶體驗和界面設計在AI系統中的至關重要性，使用既定的設計框架分析現有的AI產品，並理解原型設計和迭代測試的作用。此外，透過對不同行業成功實施AI的真實案例研究，學生將學會預測AI設計的新興趨勢，從而獲得理論知識與實踐見解。

本課程在工業背景下實現了控制系統理論與實用數據分析的完美融合。學生將學習動態系統的建模、分析和設計技術，在經典與現代控制策略方面打下堅實基礎。課程大綱強調反饋機制和穩定性分析的重要性，使參與者能夠有效設計和實施針對各類應用量身定制的控制系統。除了控制理論，本課程還深入探討工業分析，突出系統識別和數據驅動決策在優化工業過程控制中的重要性。真實的案例研究將闡明如何應用分析技術來提高運營效率、減少停機時間並推動創新。

本課程旨在賦予學生使用AI設計、優化和擴展針對多樣化應用的AI產品的綜合技能，使其能夠有效利用生成式AI模型解決現實世界中的商業挑戰。透過實操練習和案例分析，學生將掌握創建複雜AI架構、優化模型交互以及在組織工作流程中部署可擴展AI解決方案的高級技術，同時解決包括輸出一致性、偏差緩解、成本效益和倫理考量在內的關鍵運營問題。透過將技術性的AI工程專長與戰略商業目標相結合，本課程為學生開發創新、可擴展且符合倫理的AI驅動軟件解決方案做好了準備，以滿足不斷變化的市場需求。

本課程旨在賦予學生技術能力與創新思維，將生成式人工智能作為創新設計的變革性工具加以利用。課程超越了傳統深度學習的分析重點，探索了用於合成原創視覺、多模態和概念輸出的高級架構——包括生成對抗網絡 (GANs)、擴散模型和基於Transformer的系統。學生將學習如何訓練、微調並在符合倫理的指導下使用生成模型來生成和迭代設計原型，有效搭建計算技術與以人為本的創造過程之間的橋樑。透過實戰項目，課程培養了將生成式AI融入設計工作流的能力，賦能未來的創新者在創造新穎產品、體驗和解決方案時利用尖端技術。

本課程旨在探索人工智能與物聯網技術的融合，以創建智能互聯系統。學生將研究AI算法如何透過跨越各行業應用的實時數據分析、預測性維護和自主決策來增強物聯網系統。課程涵蓋了AI驅動的物聯網生態系統的架構，包括傳感器網絡、邊緣計算平台和基於雲的分析系統，並特別關注可擴展性、安全性和互操作性要求。透過案例研究和實戰項目，參與者將學習設計和實施應用於智能環境、預測性維護和自主系統等領域的AIoT解決方案。課程進一步探討了從數據收集到獲取可操作洞察的數據生命週期管理，以及部署和維護互聯智能系統所面臨的組織挑戰。

本課程旨在提供將AI組件集成到涵蓋軟件和硬件環境的連貫、大規模操作系統中的全面知識和實用技能。學生將學習構建和管理AI系統的端到端生命週期，應對諸如數據管道編排、模型部署、API管理以及機器學習運維 (MLOps) 的持續集成/持續部署 (CI/CD) 等獨特挑戰。課程大綱涵蓋了系統範圍界定、與現有企業IT基礎設施的互操作性、性能監控以及部署後維護系統可靠性等關鍵方面。透過真實的案例研究和實踐練習，參與者將培養設計可擴展AI系統架構、實施集成協議以及確保AI模型與業務應用程序之間無縫通信的能力。課程進一步使學生能夠管理模型和數據的版本控制，監督系統健康狀況，並確保在整個AI系統生命週期內實施穩健的安全實踐。

本課程旨在為學生提供開發和啟動AI驅動商業項目的綜合框架，作為整合整個課程知識的終極體驗。學生將學習識別AI解決方案的市場機遇，開發可行的商業模式，並為AI產品和服務制定全面的市場進入戰略。課程大綱引導參與者經歷整個創業過程，從最初的概念驗證和原型設計，到融資策略和擴大運營規模。透過實戰項目開發，學生將撰寫詳細的商業計劃書，構建最小可行性產品（MVP），並向潛在投資者和利益相關者推介他們的AI創業項目。課程強調針對AI技術的市場分析、財務規劃、知識產權保護和監管合規方面的實用技能。學生還將培養組建高效團隊、獲取資源以及在初創生態系統中導航的能力，同時應對AI創業的獨特挑戰，包括倫理考量、技術可行性和市場接納壁壘。

本課程旨在探討設計人類與人工智能系統之間有效交互的原則與實踐。學生將研究人機協作的各種模型，從AI輔助決策到完全合作的解決問題環境。課程涵蓋交互設計的基本概念，包括AI系統中的透明度、信任校準和控制權分配。透過案例研究和實操練習，參與者將學習設計能夠清晰傳達AI能力和局限性的界面，同時制定策略以保持人類的主導權和監督權。課程進一步探討了人機交互的心理學和社會學方面，包括用戶接受度、認知負荷管理以及日益自主的系統的倫理影響。學生將在不同應用領域中獲得設計原型和評估人機界面的實踐經驗，為創建增強而非取代人類能力的協作系統做好準備。

本課程旨在透過系統化的原型設計方法論，為學生提供開發AI驅動產品（涵蓋軟件和硬件實現）的全面知識與實用技能。課程涵蓋了整個產品開發生命週期，從創意構思和概念驗證到功能原型設計和用戶測試。學生將學習應用敏捷開發原則，創建最小可行性產品（MVPs），並使用專用於AI應用的各種原型工具和平台。教學大綱強調將概念性的AI解決方案轉化為有形原型的實踐經驗，納入用戶反饋循環，並根據測試結果迭代設計。參與者將培養針對不同AI產品類別選擇合適原型技術、評估技術可行性以及評估市場生存能力的能力。透過案例研究和實戰項目，學生將獲得記錄開發過程、向利益相關者展示原型以及為AI產品進行試點部署和擴展做好準備的必備技能。

本課程旨在探索人工智能技術與傳統商業分析的融合，以驅動基於數據信息的決策和戰略洞察。學生將學習機器學習算法、自然語言處理和預測模型如何增強各個業務領域的常規分析方法。課程涵蓋了應用AI技術來提高客戶行為分析、市場趨勢預測和運營優化等領域的數據處理能力、模式識別和預測準確性。透過使用行業標準工具的實戰項目，參與者將培養實施AI驅動的分析解決方案、解釋複雜的模型輸出以及將技術發現轉化為可操作商業建議的技能。課程進一步探討了AI增強分析中的數據質量管理、模型驗證和倫理考量等挑戰，同時強調了在分析過程中保持人類監督的重要性。

本課程旨在審視人工智能對現代營銷實踐和戰略規劃的變革性影響。學生將學習AI技術如何重塑客戶細分、個性化定制、活動優化以及營銷投資回報率。課程涵蓋了實施用於預測分析的機器學習算法、用於洞察消費者的自然語言處理以及用於優化視覺內容的計算機視覺技術。透過真實的案例研究和實操練習，參與者將培養利用AI工具進行自動化客戶旅程映射、動態定價策略和智能內容創作的技能。課程進一步探討了AI驅動的營銷平台與現有業務系統的整合，同時強調了在自動化營銷環境中關於數據使用、消費者隱私保護和保持品牌真實性的倫理考量。學生將學會制定全面的AI驅動營銷戰略，以提高客戶參與度、改善轉化率並實現可衡量的業務成果。

本課程旨在向學生傳授創建高效且引人入勝的數字界面的原則與實踐，重點關注AI增強應用程序的以用戶為中心的設計方法論。本課程無需預先的視覺設計經驗；教學大綱從基礎的視覺設計原則（包括排版、色彩理論和圖標設計）開始，然後推進到針對數據密集型和AI驅動界面的特定交互設計模式。學生將學習應用設計思維過程來開發直觀且無障礙的數字產品，以有效傳達複雜的信息和功能。透過實操項目，參與者將獲得使用行業標準設計工具創建線框圖、模型和交互式原型的實踐經驗，同時學習如何進行可用性測試並將用戶反饋納入迭代的設計改進中。課程還探討了針對多平台和設備的設計，確保跨不同數字接觸點的一致用戶體驗，以及如何與開發團隊進行有效協作，以搭建設計概念與技術實現之間的橋樑。

本課程旨在探索人工智能及先進技術在變革傳統製造與運營管理中的應用。學生將研究在智能製造環境中，AI驅動系統如何提升生產過程、供應鏈協調及運營效率。課程涵蓋了融合物聯網傳感器、機器人技術和機器學習算法以實現預測性維護、質量控制和資源優化。透過案例研究和實踐模擬，參與者將學習設計並實施數字孿生技術、自動化生產系統以及智能庫存管理解決方案。課程進一步探討了工業4.0技術的戰略實施，包括信息物理系統 (Cyber-Physical Systems) 和雲製造平台，同時聚焦於以卓越運營為目標的數據驅動決策。學生將培養透過AI賦能的製造系統優化端到端生產工作流、降低運營成本並提高產品質量的能力。

本課程旨在為學生提供利用GPU架構和並行編程技術加速人工智能應用的全面知識與實踐技能。學生將探索並行計算的基本原理，並學習如何利用現代圖形處理器的大規模計算能力來訓練和部署複雜的AI模型。課程大綱涵蓋了GPU架構基礎、並行算法設計模式以及專門針對機器學習工作負載的優化策略。透過使用行業標準框架（如CUDA和OpenCL）的實操編程練習，參與者將培養實施常見AI算法並行版本的實用技能，包括神經網絡訓練、計算機視覺處理和自然語言理解任務。課程進一步探討了GPU加速應用程序的性能分析和調試技術、內存優化策略，以及在多個GPU系統間擴展AI工作負載的最佳實踐。學生將獲得旨在最大化計算效率和縮短深度學習模型訓練時間的必備能力，為應對研究和工業應用中的大規模AI挑戰做好準備。

本課程旨在全面理解負責任地開發和部署人工智能系統所必需的倫理、法律和安全考量。學生將研究不同司法管轄區和行業領域內管理AI技術的不斷演變的監管環境。課程涵蓋了基本的倫理框架，包括公平性、問責制、透明度和隱私保護，及其在AI系統設計和實施中的實際應用。透過案例研究和基於場景的學習，參與者將學習識別並緩解AI模型中潛在的偏見，評估算法對不同利益相關者的影響，並在整個AI生命週期中實施安全措施。課程進一步探討了AI治理、風險管理和合規性的新興標準和最佳實踐，同時探索了確保算法透明度和可解釋性的方法。學生將掌握創建不僅符合法律要求，而且契合社會價值觀並促進用戶和利益相關者信任的AI系統所需的技能。