國立台灣大學領域專長

名稱
Title

中文名稱：智慧人居環境
英文名稱：Smart Built Environment

聯絡人
Contact Person

姓名：陳咨聿電話：33664286
Email：nina222chen@ntu.edu.tw
主辦教學單位與所屬學院：土木工程學系 / 工學院

領域專長
主責教師
Main Instructor

姓名 : 汪立本
Email : lpwang@ntu.edu.tw

學習目標與
預期學習效益
Goals and Expected Learning Outcomes

隨著人工智慧、IoT及遙測技術之發展，未來的土木工程師，無論在工程的那一個階段，都將會面對到大量之數據。如果沒有相對應之資訊技術及分析邏輯，將無法善用這些數據所帶來的效益。本領域專長模組之目標在於培育下世代、具有資訊思維模式之土木工程師，提供數據處理、分析及建立統計、數學或是機器學習模式之訓練。選修本專長領域之預期效益，可以就未來職涯發展及學生專業能力兩方面分析。於未來職涯發展方向，學生將獲得資訊、統計及人工智慧等技術方面之訓練，特定領域知識之深化，以及實務操作之機會；將大幅增加未來職涯發展之競爭力，並往一些新興發展之職業（例如BIM 研發工程師、數據科學家），或是研究領域（例如智慧、永續城市、智慧建築、施工、能源政策分析及天災風險分析等方向）發展（請參見圖二：發展特定「智慧人居環境」專長之建議修課地圖）。於專業能力方面，根據課程規劃，學生在修習本專長領域各個分類階段，將獲得特定專業能力之訓練及評鑑，以評估學生之學習效益。

課程架構
Program structure

修課指引
Course-taking Guidelines

「智慧人居環境」的建立需要跨領域、具備資訊能力及系統分析的相關人才。若以影響的空間範圍、尺度來區分，「智慧人居環境」可以是以微觀角度專注於單一建築物，或是特定小區域（例如社區）人居環境之設計、分析；也可以是以相對巨觀角度，系統性地分析大區域（例如整個城市、國家）之環境、能源、防災、永續發展等議題（請參考圖一右圖：專長、議題之空間尺度關係）。本專長領域根據以上領域特性，設計、規劃一系列之課程，讓學生可以根據自身興趣、或是職涯規劃，選擇要往微觀或是巨觀之「智慧人居環境」專長發展。而串聯本領域專長的主軸為培養問題定義、分析及解決能力，以此為基礎，期望學生在完成此專長模組後，建立出以下核心能力： a. 具有應用科學、物理學、微積分、工程數學及工程統計知識之能力 b. 具有設計及執行實驗，以及分析解釋數據的能力 c. 具有辨識、分析規劃及解決工程問題的能力。 d. 具有善用現代化科技及資訊工具之能力。 e. 具有認知環境衝擊，認識當代議題，瞭解工程解決方案對生態、環境、社會及全球的影響，並能持續學習之能力。 f. 具有進入研究所之專業工程知識能力。 g. 具備跨領域之學習能力。課程規劃方面，預計共開設7門課，根據專長領域分類，可以大致劃分成2門基礎、2門理論、2門方法及1門實作課程；不過如課程完整列表一所示，大部分的課程都不只包含單一種分類，期望利用這樣的設計方式加深不同階段、分類課程之間的連結性（請參考圖一：課程分類、關聯及修課規定說明）。基礎課程階段之目的，在於訓練統計、數據分析，以及進一步建立數據或是行為預測之統計、機器學習模型之能力，因此基礎課程階段的重點是思維（mindset）及技術（skill）建立，不會過分強調單一或是特定領域之領域知識（domain knowledge）。而在理論及方法課程階段，才會教授「智慧人居環境」相關理論以及方法，幫助學生深化相關領域知識。實作課程則是提供學生將以上所學實作至科學計算平台之訓練，幫助學生不只學習數據分析、人工智慧在相關領域應用之理論，還要進一步藉由實作的過程，了解實務應用時可能遇到的問題 – 可能是技術上、或是專案管理上，以及相關的解決方案。

課程資訊
Courses of the Program

編號
no.

課程識別碼
Course Number

課程名稱
Course Title

學分數
Credits

以下課程3選2門 Select two course

521 U9230

機器學習與深度學習導論 / Introduction to Machine Learning and Deep Learning

3.00

521 U9270

數據分析之計算統計學 / Computational Statistics for Data Analytics

3.00

521 U9290

科學計算與人工智慧平臺導論 / Introduction to Scientific Computing and Artificial Intelligence Platform

3.00

以下課程5選2門 Select two course

521 U9280

電腦視覺應用於工程 / Computer Vision in Construction

3.00

521 U3820

BIM技術與應用 / Technology and Application of BIM

3.00

521 M6100

替

工程風險管理 / Project Risk Management

3.00

521 M6100 替代課程 / Alternative(s)
521 U7180	可靠度與風險評估 / Reliability and Risk Assessment (3.00學分)	3.00

521 U3070

能源系統工程與經濟 / Energy Systems Engineering and Economics

3.00

521 U9310

深度學習應用於電腦視覺 / Deep Learning in Computer Vision

3.00

合計4門課,共12學分
This program entails 4 courses, amounting to 12 credits.

備註
Remarks