長庚大學 人工智慧學系 |
亞洲大學 資訊工程學系(人工智慧與機器人組) |
|
---|---|---|
所屬學群 |
資訊學群
跨
工程學群
資訊工程學類 |
資訊學群
跨
工程學群
資訊工程學類 |
所在校區 |
校本部 桃園市龜山區文化一路259號 |
校本部 413台中市霧峰區柳豐路500號 |
學系特色 |
「人工智慧學系」致力於培育AI專業人才,以因應AI翻轉各行各業趨勢,建立學生未來與AI共存共榮的能力。參考全球頂尖名校AI課程,以「智慧應用」、「智能工程」、「智知科學」為核心架構,設計全方位科學基礎與實作訓練課程。全面以國際文化辦學,聘用國內外全職師資雙語教學,常態與國際名師聯合授課、建立跨國教學與研究團隊,為學生提供國際化學習契機。規劃師生參訪美、日、德、波蘭、中東多校,進行多元學術交流活動。 |
本系主要是在培養具有人工智慧、雲端計算、半導體資訊、資訊安全及物聯網的基礎理論及應用技術的人才。人工智慧與機器人組結合了人工智慧、機器人、無人機、物聯網等前瞻科技與創新應用,為學生提供一個學習未來科技的平台。 下載詳細資料 |
學科意涵 |
人工智慧是智慧運算建立在資訊、統計、網路的基礎上,研究機器學習及在各應用領域的機器(人工)智慧。各應用領域有個別專業知識及技術,形成其外層核心知識。 |
本系屬「資訊」跨「工程」 學群,「資訊工程」學類。亞大資工系除了提供基礎與核心課程之外,這個組別的課程設計涵蓋了人工智慧與機器人/無人機的核心概念與技術。 下載詳細資料 |
學習方法 |
課堂講授:由教授解析人工智慧與資訊科學基礎理論,帶領學生透過演算法或是程式解決人工智慧問題。 圖解:課堂講授 版權:自行製作 實驗實作:透過程式設計與伺服器使用進行實驗的設計與實作,以理解演算法與設計流程運行狀況。 圖解:實驗實作 版權:自行製作 分組專題:透過分組方式,由教授指導進行實際專題研究,鼓勵學生參與國內外比賽,參與暑期實習等與職場場域吻合之教學活動。 圖解:分組專題 版權:自行製作 邀請演講:邀請業界專家及研究人員發表演講,幫助學生透過演講快速吸收人工智慧相關領域最新技術與應用,促進學生了解人工智慧對產業、社會及全球之影響,並培養持續學習之習慣與能力。 圖解:邀請演講 版權:自行製作 鼓勵學生參加人工智慧或相關專業之競賽,透過參加競賽來檢視學習成果,並藉此增加實務及實作的能力。 圖解:鼓勵參與校內外競賽 版權:自行拍攝 |
邏輯思維:判斷一個觀念跟另一個觀念的差異。 運算思維:運用工具分析各類資料。 獨立思維:針對教學個案,培養解決問題的能力。 團隊合作:同學之間的互相討論。 |
高中階段可以準備的學習方法或方向 |
1. 自主學習:平時積極發掘問題,並透過各種方式尋找解決方法。 |
邏輯思維:判斷一個觀念跟另一個觀念的差異。 |
與相關科系之異同 |
人工智慧學系 |
資工系是軟體程式的創造者。 |
生涯發展容易誤解之處 |
本系以人工智慧所需的數學、程式語言設計、人工智慧概論、機器學習與深度學習等作為基礎核心課程,學生於大二、大三、大四時可依興趣自由選修「智慧醫療」、「人工智慧」、「電腦科學」等領域研讀。故未來出路不僅是工程師,更可以跨足資訊工程、醫學工程、智慧工廠、智慧製造、資料科學、演算法設計成為跨領域傑出人才。 |
資工系學生畢業只能寫程式?當程式設計師?其實,那只是眾多職業中一項而已,你也可以從事資料庫、虛擬化、備份、儲存、資訊管理、專案管理、商業智慧、銷售等工作,有很多的工作需要不同的思維。
|
學習方法容易誤解之處 |
本系著重於資料科學、軟體設計與應用,強調多元與創意的跨領域應用,主要課程為電腦基礎科學(如計算機概論與各式程式設計)、基礎科學(微積分、離散數學、線性代數、普通物理/化學/生物等)及人工智慧相關理論與應用(機器學習、深度學習、電腦視覺、自然語言處理),不包含電機資工的硬體相關課程或資管系的管理課程。 |
程式設計雖然是資工的必修課程,但寫程式並不是最終的學習目標,更重要的是要學習電腦科學的思維模式。寫程式只是其中一種用來解決問題的工具,重要的是解結問題的思維。
|
補充提醒與說明 |
「智慧運算學院」成立於2022年,是全國首座專門為人工智慧教育與研究設立的「學院級」學術單位,提供完整的學士、碩士、博士學位,以培育國際水準的頂尖AI人才為目標,因應台灣科研與企業的AI大未來需求。 |
資訊工程領域涵蓋極廣,常見的相關科系即有近十種,有必要進一步劃分專精領域方便學生學習。本系因此就資訊工程最核心的本質著眼,將本系專業分組。這樣的規劃縱向具深度學習效果,橫向可培育跨領域之視野,學生除了修習本組內的專業學科之外,也可以選修他組的課程。 |
長庚大學 人工智慧學系 |
亞洲大學 資訊工程學系(人工智慧與機器人組) |
|
---|---|---|
核心課程地圖 |
|
|
專業選修課程 |
|
|
特色課程 |
深度學習深度學習在最近的人工智慧現今深度學習已廣泛應用於醫學影像、農業、自動駕駛、教育、防災和製造等領域的重要問題,本課程將帶領學生一步步從最基本的統計、樣型識別逐步來到神經網路乃至深度神經網路,運用 Python/Pytorch AI運算平台,搭配 GPU 的使用,讓學生製作出基本的深度學習人工智慧系統。 圖解:深度學習 版權:自行製作 自然語言處理
自然語言處理是使用機器學習技術來處理、解讀文字和資料,學生將在此課程中學習到: 圖解:自然語言處理 版權:自行製作 電腦視覺本課程從電腦視覺基礎概念介紹起,解釋電腦視覺如何處理充滿雜訊及不確定的資料,並涵蓋許多近期的研究發展與應用。內容包含影像處理、影像生成、物件偵測與辨識、語言與視覺、類神經網路及邊緣計算。本課程將透過討論與實作,帶領學生吸收電腦視覺知識,並能應用先進電腦視覺之技術處理實務問題諸如偵測、辨識及影片分析。 圖解:電腦視覺 版權:自行製作 機器人學習隨著機器人和電腦物理系統融入我們的社會,這些機器人代理不僅需要學習執行不同的任務,透過機器人本身的感測元件,與環境交互作用中自主學習,學習包含機器人運動、與其他物件的接觸與互動、語言互動等能力。本課程將介紹機器人學習的基本技術,並特別關注設計具有與人類互動能力的具體形象代理。 圖解:機器人學習 版權:自行製作 專題研究學生在了解各教授實驗室方向後,依興趣分組找尋指導教授,一同構思專題題目、透過融會貫通先前所學的內容,並於實作過程主動找尋實作所需知識。學生於此系列課程中完成專題製作包括題目分析、競品比較、產品目標設定、功能分析、程式實作、使用者測試,最後參與校內專題競賽或國內外比賽、發表專題成果,整合所學知識技能。 圖解:專題研究 版權:自行製作 |
資料科學資料科學課程教你如何運用程式設計、統計和演算法來處理與分析大量數據,從中挖掘有價值的資訊。這門課能讓你了解如何以數據支援決策,並廣泛應用於人工智慧、商業分析等領域。 機器學習機器學習課程教授如何讓電腦從大量數據中自動學習,並透過演算法做出預測或決策。你會學到分類、回歸和神經網路等方法,應用在影像辨識、語音識別等各種人工智慧領域。 雲端服務雲端服務課程教授如何設計、部署和管理雲端上的應用程式與資源。課程涵蓋虛擬化技術、分散式系統和網路安全等主題,幫助你了解如何有效利用雲端提供的運算和儲存資源來解決實際問題。 生成式AI生成式AI課程教授如何設計和訓練AI模型來自動生成內容,如圖像、文字或音樂。你將學到深度學習、生成對抗網路等技術,了解如何創建具有創造力的AI,應用於藝術、娛樂、教育等領域。 |
長庚大學 人工智慧學系 |
亞洲大學 資訊工程學系(人工智慧與機器人組) |
|
---|---|---|
適合從事工作 |
|
|
系友生涯 |
未上傳圖片
本系尚無畢業生本系尚無畢業生 本系尚無畢業生 |
李保慶學習經驗:亞洲大學資訊工程學系採用和一流大學相同課程的規劃,課程也很多元。剛入學的時候懵懵懂懂只知道跟著系上的安排慢慢吸收,透過系上導師制度的幫忙,不但了解到半導體製程的魅力、精進了撰寫程式的功力以及無形中加強了自我表達的能力。亞大資工系的老師可以類似家教般的一對一教學,是我在學習中最大的助力。 職業經驗:踏入職場後經歷過多項工作,目前擔任ETC遠通
曾瓊蓁學習經驗:就讀大學前考慮到未來就業需求,參考興趣量表選擇資訊科系就讀,大學期間除一般學科外,較注重程式設計等實作科目。大學畢業時在教授的介紹後決定就讀研究所,期間培養知識學習與整理歸納的能力,且獲得在資策會實習機會,讓我更了解在校所學到知識對工作重要相關性與不足之處。 職業經驗:進入資策會工作後,初期雖使用較熟悉的程式語言工作,但期間仍需快速學習其他程式語言、工具或工作流程等,才能使團隊專案順利執行。且團隊合作每位同事做事風格不同,各部分的工作流程也不同,互相溝通學習不同實作方式的優缺點,對於自身的專業知識及技術可快速提升,當遇到困難時更有經驗快速排除障礙。
邱于軒學習經驗:大學的學習過程中,最關鍵的是用心、耐心、決心。要廣泛學習跨領域的知識,多用心在想學習的專業技術上;學習專業知能也要有耐心,因為學習必定需要一段時間的累積,不能半途而廢,也不可以因為一些挫折就放棄;更重要的是要有決心,有決心後自然而然就能用心並耐心地學習。 職場經驗:在亞洲大學資工系從大學讀到研究所畢業,之後進入資訊系統公司擔任工程師的工作,工作的過程中一定需要和團隊的成員一起合作,面對困難的問題時需要有決心及耐心去設計解決問題的方案。工程師的工作性質與研究所的訓練很類似,都是專案導向的訓練,如果沒有過去指導教授的嚴格要求,現在可能不容易適應職場生態。 |
長庚大學 人工智慧學系 |
亞洲大學 資訊工程學系(人工智慧與機器人組) |
|
---|---|---|
多元能力 |
邏輯推理:能捕捉事物運作的規律或關聯性,歸納或是推演不同事物的差異或因果關係,並得到特定理解。
20%
數理科學:能選擇適當的科學、數理知識或邏輯來思考問題,依據科學規律正確地推演出答案或排列資訊。
20%
程式設計:了解程式語法以及邏輯架構,撰寫、修改程式,開發並設計系統。
20%
敏銳創造:能覺察特定事件與觀念、理論之間的差異,且能對事物進行拆解、組合、重新詮釋,呈現新穎之處。
10%
批判思考:運用不同觀點對問題進行理性分析,對問題的解決方法或結論,評估出優缺點、支持、反對的意見。
10%
主動學習:積極尋求新資訊用以掌握問題的前因、後果以及預期影響,並依據各環節選擇適合的學習行為。
10%
問題解決:分析並預判問題的成因與後果,設想出合適的解決方法及使用的工具。
10%
|
數理科學:能選擇適當的科學、數理知識或邏輯來思考問題,依據科學規律正確地推演出答案或排列資訊。
20%
程式設計:了解程式語法以及邏輯架構,撰寫、修改程式,開發並設計系統。
20%
系統運作:評估與分析系統的運作方式、效能,考慮運作成本與效益,制定系統運作可改善或調整的方式。
15%
批判思考:運用不同觀點對問題進行理性分析,對問題的解決方法或結論,評估出優缺點、支持、反對的意見。
15%
主動學習:積極尋求新資訊用以掌握問題的前因、後果以及預期影響,並依據各環節選擇適合的學習行為。
15%
問題解決:分析並預判問題的成因與後果,設想出合適的解決方法及使用的工具。
5%
運作分析:分析特定需求並規劃合適的運作流程,運用技術調整、組裝、設定設備,讓設備及系統正常運作。
5%
語文理解與表達:能透過語文理解他人想法形成特定概念,且能說明特定想法或因果關係。
5%
|
性格特質 |
變通開創:常常對多種事物,表達熱情興趣,對於既有事物,進行拆解、重組,給予新的理解與觀點,並且喜愛創造出令人意想不到的新事物。
50%
合作互助:總是願意優先關照、包容他人的需求,在不同意見中尋求最大的合作可能,優先尋求團體的共同價值,信任團體成員的指引。
25%
堅毅負責:常常長時間專注投入於特定事物,排除干擾訊息,會對所承諾的事物,會負起責任目標、執行到底,享受追求成就。
25%
|
樂群敬業:總是表現活潑、傳遞熱情,主動參與活動,熱衷於與夥伴一同完成任務。
25%
堅毅負責:常常長時間專注投入於特定事物,排除干擾訊息,會對所承諾的事物,會負起責任目標、執行到底,享受追求成就。
25%
探究冒險:常常樂於探索未知事物、能夠容忍陌生情境,樂於把困難視為一種挑戰,在探索、挑戰未知中偏好看見自己的成長。
25%
變通開創:常常對多種事物,表達熱情興趣,對於既有事物,進行拆解、重組,給予新的理解與觀點,並且喜愛創造出令人意想不到的新事物。
25%
|
展開