查詢教學大綱與進度

教學大綱與進度

課程基本資料：

學年期課號課程名稱階段學分時數修教師班級人撤備註

114-2 359829 趨勢研究與商品企畫 1 3.0 3 ★ 王鴻祥創新所
設計博所 29 0 ★設計博核心選修,設計博與創新碩合開

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
114-2	359829	趨勢研究與商品企畫	1	3.0	3	★	王鴻祥	創新所設計博所	29	0	★設計博核心選修,設計博與創新碩合開

教學大綱與進度：

教師姓名王鴻祥　教師諮商時間(Office Hours)

Email wanghh@ntut.edu.tw

最後更新時間 2026-04-20 13:38:05

課程大綱深耕趨勢學理論，以生活型態資訊為基礎，探討社會趨勢與科技發展趨勢，做為商品企畫的基礎。本課程旨在引導學習者運用學術研究的工具，以科學的方法定義市場需求，並以理性的思維進行商品企畫。如遇教師請假，改為老師預錄教學影片及線上課堂練習，並於Google Classroom通知同學，同時通知工業設計系。

課程進度
(1-16週) 01. Introduction & Pre-test Module 1（Week 02–05） 02. 意象分析基礎：造型語彙、SD 法、語意軸、品牌 DNA 03. 資料集建立：新品蒐集、品牌典型造型整理、語意標註 04. 機器學習入門：Weka 分類模型、品牌典型性建模 05. 典型性驗證與造型趨勢觀察（同品牌 vs 跨品牌） Module 2（Week 06–08） 06. 生成式 AI 入門：語意控制 prompt 的結構（品牌語意 → 造型語彙 → prompt 模板） 07. 以品牌語意導向生成風格圖像 08. 生成結果的語意偏移觀察與初步趨勢推論 09. Midterm（自主學習 / 小組彙整） Module 3（Week 10–12） 10. 將生成圖像導回 Weka 基線模型，進行品牌分類驗證 11. 意象分類驗證：比較生成圖與真實產品的語意距離 12. 語意偏移診斷：prompt 問題？還是模型偏誤？ Module 4（Week 13–16） 13. Embedding 基礎：CLIP / CNN 特徵抽取理解 2026.5.20 (三) 趨勢研究與產品企劃：第567節，改採線上預錄教學影片及線上課堂練習 14. t-SNE / UMAP 可視化：建立品牌風格地圖 15. 比較生成圖與真實資料在風格空間中的差異：聚落、邊界、語意偏移、趨勢線、風格演化 16. 風格空間的設計應用：趨勢洞察、品牌定位、造型策略 17. Final Presentation 1 & Post-test 18. Final Presentation 2

評量方式與標準 50% for Class participation & Pre- and Post-tests 30% for Final presentation 20% for Final report & data

使用教材、參考書目或其他 【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】

使用外文原文書：是
http://www.smarterinnovation.org/media/1246/smart-manual.pdf https://www.askattest.com/blog/guides/new-product-survey-question-examples

課程諮詢管道 Google Classroom: https://classroom.google.com/c/NTQ1MzQzMjgzOTU1?cjc=rcxb5mw
Please note that the above code may be changed by the teacher for any reason and is only valid until the end of the third week of the semester.

延伸教學與資源 ● 混成學習 (Blended Learning)
課程結合實體授課與線上學習（同步視訊／非同步活動）。
Combines face-to-face instruction with online learning (including synchronous video sessions or asynchronous activities).
● 數位科技融入 (Digital Technology Integration)
運用生成式AI、VR/AR、IoT、IRS等新興科技輔助教學與評量。
Utilizes emerging technologies such as Generative AI, VR/AR, IoT, and IRS (Interactive Response Systems) to facilitate teaching and assessment.

課程對應SDGs指標 SDG3：良好健康和福祉（Good Health and Well-being）
SDG12：負責任的消費與生產（Responsible Consumption and Production）

課程是否導入AI ● 使用生成式AI作為教學過程的輔助工具（Use generative AI tools as an aid to the teaching process）
● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools）
● 使用生成式AI進行課堂即時互動（Use generative AI for real-time classroom interaction）

備註 Google Classroom: https://classroom.google.com/c/NTQ1MzQzMjgzOTU1?cjc=rcxb5mw Please note that the above code may be changed by the teacher for any reason and is only valid until the end of the third week of the semester.

教師姓名	王鴻祥　教師諮商時間(Office Hours)
Email	wanghh@ntut.edu.tw
最後更新時間	2026-04-20 13:38:05
課程大綱	深耕趨勢學理論，以生活型態資訊為基礎，探討社會趨勢與科技發展趨勢，做為商品企畫的基礎。本課程旨在引導學習者運用學術研究的工具，以科學的方法定義市場需求，並以理性的思維進行商品企畫。如遇教師請假，改為老師預錄教學影片及線上課堂練習，並於Google Classroom通知同學，同時通知工業設計系。
課程進度 (1-16週)	01. Introduction & Pre-test Module 1（Week 02–05） 02. 意象分析基礎：造型語彙、SD 法、語意軸、品牌 DNA 03. 資料集建立：新品蒐集、品牌典型造型整理、語意標註 04. 機器學習入門：Weka 分類模型、品牌典型性建模 05. 典型性驗證與造型趨勢觀察（同品牌 vs 跨品牌） Module 2（Week 06–08） 06. 生成式 AI 入門：語意控制 prompt 的結構（品牌語意 → 造型語彙 → prompt 模板） 07. 以品牌語意導向生成風格圖像 08. 生成結果的語意偏移觀察與初步趨勢推論 09. Midterm（自主學習 / 小組彙整） Module 3（Week 10–12） 10. 將生成圖像導回 Weka 基線模型，進行品牌分類驗證 11. 意象分類驗證：比較生成圖與真實產品的語意距離 12. 語意偏移診斷：prompt 問題？還是模型偏誤？ Module 4（Week 13–16） 13. Embedding 基礎：CLIP / CNN 特徵抽取理解 2026.5.20 (三) 趨勢研究與產品企劃：第567節，改採線上預錄教學影片及線上課堂練習 14. t-SNE / UMAP 可視化：建立品牌風格地圖 15. 比較生成圖與真實資料在風格空間中的差異：聚落、邊界、語意偏移、趨勢線、風格演化 16. 風格空間的設計應用：趨勢洞察、品牌定位、造型策略 17. Final Presentation 1 & Post-test 18. Final Presentation 2
評量方式與標準	50% for Class participation & Pre- and Post-tests 30% for Final presentation 20% for Final report & data
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】使用外文原文書：是 http://www.smarterinnovation.org/media/1246/smart-manual.pdf https://www.askattest.com/blog/guides/new-product-survey-question-examples
課程諮詢管道	Google Classroom: https://classroom.google.com/c/NTQ1MzQzMjgzOTU1?cjc=rcxb5mw Please note that the above code may be changed by the teacher for any reason and is only valid until the end of the third week of the semester.
延伸教學與資源	● 混成學習 (Blended Learning) 課程結合實體授課與線上學習（同步視訊／非同步活動）。 Combines face-to-face instruction with online learning (including synchronous video sessions or asynchronous activities). ● 數位科技融入 (Digital Technology Integration) 運用生成式AI、VR/AR、IoT、IRS等新興科技輔助教學與評量。 Utilizes emerging technologies such as Generative AI, VR/AR, IoT, and IRS (Interactive Response Systems) to facilitate teaching and assessment.
課程對應SDGs指標	SDG3：良好健康和福祉（Good Health and Well-being） SDG12：負責任的消費與生產（Responsible Consumption and Production）
課程是否導入AI	● 使用生成式AI作為教學過程的輔助工具（Use generative AI tools as an aid to the teaching process） ● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools） ● 使用生成式AI進行課堂即時互動（Use generative AI for real-time classroom interaction）
備註	Google Classroom: https://classroom.google.com/c/NTQ1MzQzMjgzOTU1?cjc=rcxb5mw Please note that the above code may be changed by the teacher for any reason and is only valid until the end of the third week of the semester.