| 學年 | 學期 | 類別 | 課程編碼 | 課程名稱 | 學分 | 時數 | 階段別/ 總階段數 | 群組編號 (應修學分) | 備註 |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 | ☆ | 1416019 | Python程式設計概論與應用 | 2.0 | 2 | 1 | ||
| 1 | 1 | ☆ | 1418015 | 人工智慧概論 | 2.0 | 2 | 1 | ||
| 1 | 1 | ★ | 3104104 | 機器人與自動化應用 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3105051 | 高等數位影像處理 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3105130 | 圖形識別 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3105148 | 高等電腦視覺 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3604064 | 數位影像處理 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3604139 | 行動裝置應用程式設計 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3604157 | 深度學習應用開發實務 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3604159 | 人本資訊資料探勘 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3615008 | 數位影像處理 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3615023 | 軟硬體共同設計 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3615050 | 深度學習應用開發實務 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3625033 | 語音訊號處理 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3625039 | 機器學習 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3625043 | 人本資訊資料探勘 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 3723058 | 雲端應用程式開發與應用 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5705493 | 深度學習與商情預測 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5901205 | 線性代數 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5902201 | 資料結構 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5903323 | 巨量資料分析導論 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5904313 | 數位影像處理 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5904315 | 人工智慧 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5904347 | 演算法分析與設計 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5904360 | 巨量資料探勘與應用 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5905101 | 演算法分析與設計 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5905117 | 數位影像處理 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5905183 | 雲端平台技術與應用 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 5905187 | 巨量資料探勘與應用 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | 6105059 | 人工智慧 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | AB05093 | 巨量資料探勘與應用 | 3.0 | 3 | 1 | ||
| 1 | 1 | ★ | AS05004 | 大數據分析 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3101045 | 資料結構 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3102097 | 機率 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3102102 | 深度學習TensorFlow實務 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3104802 | 嵌入式系統概論 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3105175 | 雲端運算 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3105179 | 高等機器人與自動化應用 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3106007 | 資料探勘 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3113602 | 線性代數 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3602050 | 資料結構 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3602051 | 計算機演算法 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3603050 | 機率與統計 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3603054 | 線性代數 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3604145 | 機器學習 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3615001 | 演算法分析與設計 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3615047 | 物聯網與感測網路 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 3625045 | 自然語言處理與情感計算 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 5902312 | 資料科學導論 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 5903201 | 機率 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 5904362 | 機器學習 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 5904365 | 資料科學原理與應用 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 5904369 | 大數據與人工智能應用系統設計 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 5905189 | 機器學習 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 5905195 | 大數據與人工智能應用系統設計 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 6503512 | 線性代數 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | 6504582 | 深度學習與物聯網應用 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | AB03021 | 雲端軟體建置與管理實務 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | AB04017 | 雲端軟體即服務系統開發與設計實 | 3.0 | 3 | 1 | ||
| 1 | 2 | ★ | C103001 | 人工智慧與工程應用 | 2.0 | 2 | 1 |
|
(一)欲取得本學程證明之學生，應至少修畢 18 學分，基礎課程應修習至少一門、核心課程應修習至少三門、進階課程應修習至少二門，惟課程名稱及內容相同之科目，不得重複修習。 (二)依本校選課辦法規定，選讀本學程之本校大學部三、四年級學生如經核准得上修大學部或研究所碩士班每學期一門課程。 (三)依本校選課辦法規定，大學部學生前學期學業成績名次在該系組該年級學生數前百分之二十以內者，次學期經系(班)主任核可後得加修一至二門課程，並得修習本系組或他系組較高 年級之必、選修課程。 (四)學程設置定義： 學程課程設計，可包含基礎課程、核心課程及進階課程： A.基礎：涵養學生基礎學科知能，進行問題探索與引發學習之動機，為發展後續核心課程基礎。 B.核心：融入專業核心知識與技能之基礎研究與進階實務，以累積整合經驗之課程。 C.進階：整合基礎學科及專業核心知識，運用問題分析能力進行實作與相關應用，以深化所學並穩顧完整學習歷程，建立未來銜接升學及就業。 (五)若未盡事宜依本校「學程實施辦法」及「國立臺北科技大學人工智慧科技學程施行細則」辦理。 ※修業規範等規定：請另訂微學程施行細則，如有未盡事宜，依學程辦法相關規定辦理。 ※學程設置負責人聯絡方式：劉邦榮 信箱：pjliu@ntut.edu.tw 分機：6204/2127 |
備註：