國立中興大學教學大綱

課程名稱	(中) 人工智慧系統與產業應用(7052)
	(Eng.) AI Systems and Industry Applications
開課單位	資管系
課程類別	選修			學分	3	授課教師	林冠成
選課單位	資管系 / 碩士班			授課使用語言	中文	開課學期	1151
課程簡述	以「研究導向」為核心，訓練學生從產業問題中形成具備學術價值的研究問題，並完成資料、基線、模型、實驗設計、評估與研究貢獻的完整規劃。 課程從研究方法、統計方法與Research Spec，進一步深入機器學習、深度學習、時間序列、情緒分析、多模態、推薦系統、LLM、RAG、AI Agent、XAI及研究可信度。
先修課程名稱

課程與核心能力關聯配比(%)			課程目標之教學方法與評量方法
課程目標	核心能力	配比(%)	教學方法	評量方法
學生完成課程後應能： 將產業問題轉化為清楚且可驗證的研究問題。 建立研究基線、資料切割、評估指標與實驗設計。 理解不同AI模型的適用情境、限制與比較方法。 執行論文閱讀、方法重現、消融實驗及穩健性分析。 完成可作為碩士論文或期刊研究起點的AI研究提案。			專題探討/製作 網路/遠距教學 習作 討論 講授	作業 測驗 實作 書面報告 出席狀況 口頭報告
授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習)
週次 授課內容 第1週 從產業問題到研究問題 檢視Research Spec；區分應用開發、工程改善與學術研究 第2週 研究設計、統計推論與AI實驗可信度 建立假設、變項、資料切割、基線、指標與統計比較方式 第3週 機器學習基礎與Baseline思維 比較線性模型、樹模型、集成模型及簡單啟發式基線 第4週 深度學習、表示學習與模型選擇 說明CNN、RNN、LSTM、Transformer及模型複雜度控制 第5週 時間序列AI：氣象、金融與設備預測 比較時間切割、滑動視窗、多步預測、極端事件與資料洩漏問題 第6週 NLP與社群情緒分析 探討文字表示、情緒代理、主題、事件及使用者層級建模 第7週 電腦視覺與多模態學習 結合影像、文字、時間序列及結構化資料；討論對齊與融合策略 第8週 期中論文批判與重現計畫 選定一篇研究，分析研究問題、資料、模型、實驗及可重現性 第9週 推薦系統與長期偏好建模 比較內容式、協同過濾、序列推薦、情境推薦及LLM推薦 第10週 大型語言模型：Prompt、微調與RAG 分析提示設計、檢索、知識來源、幻覺及回答可追溯性 第11週 AI Agent：工具、記憶、規劃與人工核准 建立感知—推理—行動—回饋流程；討論世界模型與多Agent協作 第12週 Emotion-driven AI Framework 整合氣象預測、金融情緒、社群多模態情緒、LLM及推薦系統研究議題 第13週 XAI、消融實驗、穩健性與錯誤分析 設計Feature Ablation、模型消融、敏感度分析、子群分析及失敗案例 第14週 AI倫理、研究透明度與可重現研究 討論資料使用、隱私、公平性、模型卡、實驗紀錄與AI協作揭露 第15週 研究工作坊與Proposal Clinic 分組檢查研究問題、文獻缺口、方法、資料、基線及貢獻是否一致 第16週 研究提案發表與審查 以期刊論文邏輯發表研究問題、方法、預期實驗、風險及研究貢獻 自主學習 內容    02.閱覽產業及學術相關多媒體資料    03.製作專題報告
學習評量方式
論文閱讀與課堂討論 15% AI方法與案例作業 15% 期中論文批判及重現計畫 20% Research Spec與實驗設計 20% 期末研究提案及口頭發表 25% 研究紀錄與同儕回饋 5%
教科書＆參考書目(書名、作者、書局、代理商、說明)
課程教材（教師個人網址請列在本校內之網址）
iLearning
課程輔導時間
星期四下午2:00-4:00

請尊重智慧財產權及性別平等意識，不得非法影印他人著作及受保護的電子檔案。
更新日期 西元年/月/日：2026/08/04 16:32:42	列印日期 西元年/月/日：2026 / 9 / 18
MyTB教科書訂購平台：http://www.mytb.com.tw/