🌟 課程願景：打開人工智慧的黑盒子
本課程「人工智慧概論 (Introduction to Artificial Intelligence)」為高教深耕計畫重點課程。我們打破「AI 很高深難懂」的刻板印象，採循序漸進的教學設計：從無程式碼 (No-code) 的概念入門，到 Python 實作的技術深耕。
透過全英語授課 (EMI) 與生成式 AI 工具輔助，我們帶領學生跨越技術門檻，讓來自不同背景的學生都能掌握這把通往未來的數位鑰匙。
指導資訊學程學生們在AI-IoT實驗室運用人工智慧技術討論專研專題研究
🚀 四大創新學習特色
1. 緊跟趨勢：從傳統 ML 到生成式 AI
課程內容不滯留於過去，而是全面覆蓋 AI 光譜。從經典的機器學習 (Machine Learning)、深度學習 (Deep Learning)，一路延伸至最前沿的自然語言處理 (NLP) 與 生成式 AI (Generative AI)。
-
亮點： 學生不僅學習理論，更實際操作 ChatGPT、Copilot 等工具輔助開發，培養與 AI 協作的新世代核心能力。
2. 實戰導向：Kaggle 競賽與真實數據
我們拒絕紙上談兵。課程導入 Kaggle 數據競賽機制，讓學生直接面對真實世界的髒數據與複雜問題。
-
亮點： 透過參與國際競賽與企業案例分析，學生在壓力下磨練出扎實的資料清洗與模型調校技巧。
3. 專題實作：解決真實問題的系統開發
期末不是寫考卷，而是做產品。學生需整合所學，開發具備完整功能的 AI 應用系統。
-
亮點成果展示：
-
🚦 智慧交通： Smart management platform for predicting traffic flow based on integrated time domain and spatial domain GNN（基於時空圖神經網絡之交通流量預測平台）。
-
🚗 行車安全： Detection of Fatigue driving and Prediction of Usage-based Insurance Premium（疲勞駕駛偵測與 UBI 車險保費預測系統）。 這些專題不僅展現了技術深度，更看見了學生對社會議題的關懷。
-
4. 雙語環境：接軌國際的技術視野
採用英語授課介紹 AI 基礎理論，輔以互動式討論，不僅強化學生的專業英語能力，更培養其直接閱讀國際技術文獻、接軌全球趨勢的視野。
📈 數據看見改變：學生的具體成長
透過一學期的深耕，我們在量化與質化數據上皆看見了顯著成效：
-
技術落地率 88%： 約 88% 的學生在課後能獨立運用 Python 進行完整的資料前處理、特徵工程及模型建置。證明本課程成功讓「寫程式」不再是學生的恐懼，而是手中的工具。
-
自主學習力 75%： 超過 75% 的學生表示，課程激發了他們對新興科技的興趣，並具備了自我研究 (Self-research) 的能力，願意在未來持續進修 AI 領域。
-
競賽與職涯接軌： 多位學生因課堂專題表現優異，獲得產業實習機會或受邀參與短期專案，甚至有學生成功申請進入相關領域研究所深造。
💡 結語：賦能未來的跨界人才
「人工智慧概論」不僅是一堂技術課，更是一場思維升級的訓練。
從理論理解到動手實作，從單打獨鬥到團隊協作，我們看見學生將 AI 技術應用於商業分析、智慧製造與永續發展等多元領域。這正是高教深耕計畫的核心目標——培育具備問題解決能力與跨域創新思維的未來人才。
指導觀光學程學生在「人工智慧概論」課後持續練習課堂授課的知識