修習此領域專長之同學需具備幾門先修課程之能力，已具備足夠能力修習此領域專長之課程模組，包含：機率、線性代數、程式設計。<br>基礎課程（Level 1）除本系（資訊工程學系）必修之基礎課程外，主要之基礎課程為開設於本系的「資料結構與演算法」。「資料結構與演算法」主要以基本的資料結構為經，相對應的演算法為緯，由具體實作中，逐步引入各種的理論分析工具，講授如何在不同情境下，選擇最適當的資料結構與演算法，並評估各種選擇的優劣性，不但涵蓋了資訊領域的基本技術，也教導學生如何表現並存取與處理各式的資料，以銜接當代以資料所驅動的機器學習與人工智慧技術。<br>方法課程（Level 2）教授學生此領域之基礎理論及相關方法，涵蓋的課程為開設於本系的「人工智慧導論」或「機器學習基石」。「人工智慧導論」主要內容為從人工智慧史上的三個主要軸向（最佳解搜尋、由資料中學習、邏輯與知識推理）介紹這些軸向中核心的課題，並做為學生接觸人工智慧領域之入門課程；「機器學習基石」則較專注於由資料學習的面向，旨在讓電腦能由資料中累積的經驗來自我進步，介紹各領域中的機器學習使用者都應該知道的基礎演算法、理論及實務工具。<br>由於此領域與許多實務應用相關，故 Level 3 與 Level 4 針對實務與進階應用之面相強化學生之相關能力，包含實務應用課程「機器學習技法」與「機器學習」，此部分課程將機器學習的基礎工具往三個方向延伸為強大而實用的工具。這三個方向包括嵌入大量的特徵、融合預測性的特徵、與萃取潛藏的特徵，包含當代重要的深度學習工具，並以課內競賽的方式訓練實務的解題能力。進階的應用課程涵蓋不同深入面相，包含「深度學習之應用」、「高等人工智慧」、與「機器學習專論」。「深度學習之應用」主要內容介紹深度學習於各領域之應用，包含語言處理之進階模型介紹及實作，讓學生可透過此課程訓練許多實務應用之技巧，並累積相關經驗。「高等人工智慧」主要內容為延伸人工智慧導論課程中的各式工具來解決實際的應用問題。「機器學習專論」主要則讓修課同學能了解機器學習最新的方法、處理機器學習遇到的瓶頸並嘗試機器學習不同形式的應用 。經過此進階課程，學生應具備足夠背景，可銜接相關領域之國內外碩博士學位，進行相關之研究發展。