加入比較清單
資料更新時間：2026/2/8 上午 11:30:02
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。
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。
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
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。
2. 實作練習：透過實際操作各種方法，學習評估各方法的好壞。
3. 累積學識：接觸相關科學及工程知識，厚植必備學識基礎。
4. 能力訓練：藉由參加活動或發表專題，培養策劃、設計、協調及執行等技能。
5. 開拓視野：關心國際、社會時事，發展個人理解與意見，養成人文關懷素養。
與相關科系之異同
人工智慧學系
◆不只有資訊工程技術：將人工智慧相關的技術深化為核心課程，更強調多元與創意的跨領域應用。
◆比電機工程更先進：多元創意的軟體設計與應用與處理大數據的能力，具備軟體技術上之優勢。
◆強於資訊管理：著重於訓練程式設計、尖端資訊技術與多元創意的各領域應用能力。
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。
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。
學習資源或補充說明
「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。
歡迎對AI領域有興趣的同學們申請入學。
有關本系詳細資訊請參見網址 https://www.cgu.edu.tw/ai
核心課程地圖
-
大一必修
- 程式設計
- 智慧計算導論
- 離散數學
- AI程式語言
- 微積分
- 普通物理學
- 有機化學
- 普通生物學
-
大二必修
- 線性代數
- 資料結構與演算法
- 機器學習
- 機率與統計
- 資料探勘
- 演算法設計
-
大三必修
- 專題研究(1)(2)
- 電腦視覺
- 資料分析
- 深度學習
- 專題演講
- 雲端系統
- 自然語言處理與應用
- 資訊安全
-
大四必修
- 專題研究(3)
專業選修課程
-
人工智慧
- 大腦與認知科學、平行程式設計、量子計算導論、虛擬與擴充實境、智慧網宇實體系統、機器學習專題、多代理人系統、人工智慧學術英文技巧、語音處理、深度學習專題、量子機器學習、深度學習應用、生成式人工智慧應用
-
電腦科學
- Web應用程式開發、行動應用程式開發、計算機網路、作業系統、區塊鏈技術基礎與應用、智慧物聯網、進階人工智慧程式設計、資訊檢索與擷取、資安結構
-
智慧醫療
- 人體疾病概論、體學概論、醫學影像處理、基因組數據科學、生物資訊分析、健康資料管理與分析、臨床資訊工程
-
數學與科學
- 資料科學
-
綜整與實務
- 實習(1)、(2)、海外研讀
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：
1. 自然語言處理基本觀念--語言模型
2. 學習深度學習模型與實作自然語言處理相關技術與方法
3. 學習自然語言處理相關應用
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
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
適合從事工作
-
軟體設計工程師
-
從事設計、撰寫、測試各種軟體程式，並協助測試、修改、維護與保管程式之工作。
-
-
其他資訊專業人員
-
從事各方面的資訊專業工作。
-
-
產品研發工程師
-
依據市場產品需求，進行產品的初始設計，並負責新產品製程的導入，並進行製程的檢測，以使新產品能夠穩定生產且符合相關標準之工作。
-
-
演算法開發工程師
-
從事演算法的研究、分析、構建並設計或修改相關軟體等工作。
-
-
網路軟體程式設計師
-
從事網際網路系統軟硬體與程式語言的設計撰寫、測試及安裝。
-
系友生涯發展
圖解:專題研究獲畢業展第一名及多項佳績
版權:自行拍攝
郭成業
就讀長庚大學人工智慧學系期間，我從 C 語言與 Python基礎起步。雖初學過程充滿挑戰，但隨著專案實作累積出具體成品，那份成就感確立了我深耕此領域的決心。特別是在接觸智慧醫療專案後，我對 AI 應用於醫療場域產生濃厚興趣，並在系上系統性的訓練中，培養出跨領域思維與解決問題的能力。畢業後我選擇繼續攻讀碩士學位，致力深化專業技術，為未來投入產業應用奠定扎實基礎。
從大學時期到碩士階段，我持續於米飛生醫擔任 AI 工程師實習生，提早與產業接軌。工作期間我專注於醫療超音波AI 模型的開發、整合與維護，不僅實際參與業界前沿技術的研發，更深刻了解醫療市場脈動。這段經歷讓我能將系上所學的程式設計、AI 專業知識與邏輯分析能力，轉化為實際的醫療產品，更堅定了我在這個產業深耕的決心。
圖解:與系主任的畢業合照
版權:自行拍攝
蔡郁安
我對數學邏輯充滿興趣，高中選擇理組並進入長庚大學 AI 系，期望將邏輯能力應用於程式與 AI 技術。系上結合醫療資源與機器學習課程，提供寶貴的實務訓練。大學期間曾任系學會長，培養領導與合作能力；大四赴美國明尼蘇達大學交換一年，這段國外生活的經歷讓我的視野開闊許多，也讓我對畢業後申請研究所更有信心。
畢業後因較晚規劃出國深造，多出一年時間，經系上老師引薦至國衛院擔任研究助理，這份工作讓我受益匪淺，讓我有機會完整參與研究計畫的完整流程，包含受試者招募、資料蒐集與分析。此經驗讓我對研究實務有更深入理解，也在穩定工作中持續精進程式能力，維持專業成長，為後續申請國外研究所做好準備。
圖解:專題相關競賽成果展示過程
版權:自行拍攝
艾思嘉
高中時期對資訊科技與數理科目產生濃厚興趣，開始接觸基礎程式設計，逐漸確立往資訊與人工智慧領域發展的方向。
就讀長庚大學人工智慧學士學位學程期間，系統性學習程式設計、資料分析與人工智慧相關課程，並積極參與系上活動與專題實作，培養跨領域思維與實作能力。大學畢業後選擇持續攻讀資訊工程碩士班，深化專業技術，為未來投入產業應用奠定紮實基礎。
碩士畢業後進入廣達電腦股份有限公司擔任工程師，主要負責自動化測試系統之開發與維護，並參與企業級產品測試流程規劃及系統整合。在工作實務中將在學期間累積的程式設計、問題分析能力及AI相關知識實際應用於產業環境，深刻體會理論與實務相互結合的重要性，亦進一步確立持續於資訊工程與AI領域深耕發展的職涯方向。
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。
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。
圖表來源為該校系之重視百分比，加總為100%；百分比越高，代表越重視。
- 熱門比較學系
