| 課程大綱 Syllabus |
學生學習目標
Learning Objectives |
單元學習活動
Learning Activities |
學習成效評量
Evaluation |
備註
Notes |
序
No. | 單元主題
Unit topic |
內容綱要
Content summary |
| 1 | AIoT 緒論與產業應用洞察 |
1. AIoT 全貌：定義、核心技術棧 (IoT, AI, Cloud)、發展歷程與未來趨勢。
2. 智慧生活實例：智慧家居、穿戴式裝置。
3. 智慧產業實例：智慧城市、智慧農業、智慧製造、智慧醫療等多元應用案例分析。
4. 行業挑戰與機會：探討 AIoT 導入的挑戰與未來發展機會。 |
1. AIoT 核心技術
2. 智慧生活實例 |
講授
實作
|
|
|
| 2 | AIoT 服務設計：設計思考與使用者中心 |
1. 設計思考五階段：Empathize, Define, Ideate, Prototype, Test 的理論與實踐方法。
2. 使用者研究：如何透過觀察、訪談定義使用者需求與痛點。
3. 問題定義與概念發想：工具與技巧（如：同理心地圖、使用者旅程地圖、腦力激盪）。
4. 案例分析與討論：智慧家居、智慧城市等 AIoT 應用情境中的設計思考實踐。 |
1. 設計思考
2. 設計思考 實作/討論 |
|
作業
|
|
| 3 | 運算思維與無代碼程式設計：AIoT 邏輯基石 |
1. 運算思維核心：分解 (Decomposition)、模式識別 (Pattern Recognition)、抽象化 (Abstraction)、演算法 (Algorithms) 於 AIoT 專案中的應用。
2. 視覺化程式設計概念：基於區塊的無代碼編程工具原理（如 Snap! 的應用）。
3. 實作/討論：基礎圖形與邏輯運算：使用視覺化編程工具（如 Snap!）練習繪製幾何圖形（正N邊形），理解循環、變數與條件判斷的運算思維應用。 |
1. 運算思維
2. 運算思維實作 |
上機實習
演講
實作
|
上機測驗
|
|
| 4 | 物聯網基礎：感測、致動與邊緣運算 |
1. IoT 核心組成：裝置層、通訊層、平台層、應用層架構。
2. 感測器與致動器詳解：常見類別 (數位/類比)、原理、資料類型、選型考量與實際應用（溫度、濕度、光線、運動、繼電器、蜂鳴器、馬達等）。
3. 微控制器 (MCU) 基礎：Pi Pico W 等開發板介紹與基本程式燒錄。
4. 邊緣運算簡介：邊緣裝置在 AIoT 中的角色與意義。 |
1. IoT 核心組成
2. 感測器與致動器詳解
3. 微控制器 (MCU) 基礎 |
|
上機測驗
|
|
| 5 | 物聯網通訊：協定與雲端連接 |
1. IoT 通訊協定深入：MQTT 協定原理、發布/訂閱模式、QoS 等，並介紹其他常見協定（如 HTTP、CoAP）。
2. 無線通訊技術：Wi-Fi 連接設定與疑難排解。
3. 雲端平台連接概念：裝置如何將數據安全地上傳至雲端。
4. 實作/討論：物聯網數據上傳與監控：將開發板連接 Wi-Fi，透過 MQTT 協定將感測器數據上傳至雲端 MQTT Broker，並利用手機 App (搭配 MobiWebX) 實時監控溫濕度等數據。 |
1. IoT 通訊協定
2. 無線通訊技術
3. 雲端平台連接概念 |
上機實習
講授
實作
|
上機測驗
|
|
| 6 | 跨平台行動與雲端應用開發 (一)：使用者體驗與介面設計 |
1. 無代碼開發工具 MobiWebX 介紹：介面、開發流程、跨平台特性（手機、網頁）。
2. UI 元件與佈局：常用介面元素（按鈕、文字框、圖片、列表等）的應用與排版設計原則
3. 使用者體驗 (UX) 基礎：好用的 App 介面設計原則。
4. 實作/討論：介面設計與資訊展示：使用 MobiWebX 實作具備良好使用者介面的「新聞 App」或「一頁式響應式網站」。 |
1. 無代碼開發工具 MobiWebX
2. UI 元件與佈局 |
上機實習
講授
實作
|
上機測驗
|
|
| 7 | 跨平台行動與雲端應用開發 (二)：數據管理與邏輯編程 |
1. MobiWebX 邏輯編程：區塊式邏輯組件與流程控制（條件、循環、事件處理）
2. 資料庫與 API 串接：後端資料庫概念、RESTful API 基礎與 MobiWebX 外部資料串接功能。
3. 實作/討論：數據互動與管理：使用 MobiWebX 實作具備資料輸入、處理、儲存及顯示功能的「BMI 計算 App」及「購物網站前台與後台」。 |
1. MobiWebX 邏輯編程
2. 資料庫與 API 串接 |
上機實習
講授
實作
|
上機測驗
|
|
| 8 | AIoT 系統整合實戰：手機/雲端與 IoT 聯動 |
1. IoT 資源描述檔：如何標準化 IoT 裝置能力描述。
2. 無代碼工具整合流程：使用 Snap!IoT 匯出 IoT 裝置資源描述，並透過 MobiWebX 匯入以自動生成控制介面。
3. 實作/討論：設計並實作一個手機 App，能夠即時讀取 IoT 裝置（如溫濕度、光度）數據並顯示，同時透過 App 遠端控制 IoT 裝置（如開關燈）。將 IoT 裝置數據同步上傳至雲端平台並儲存於資料庫，為後續分析奠定基礎。 |
1. IoT 資源描述檔 (Resouce Description) 概念
2. 無代碼工具整合流程 |
|
|
|
| 9 | AIoT 專題報告與進度審查 |
1. 專題計畫書發表：各小組報告 AIoT 專題的題目、成員分工、擬解決的痛點/問題、系統架構設計、技術選型與詳細進度規劃。
2. 成果與挑戰預期：討論預期成果及可能面臨的挑戰與解決方案。
3. 師生問答與建議：教師給予各組回饋與指導，確保專題方向正確可行。 |
1. 專題計畫書發表
2. 成果與挑戰預期 |
心得發表
|
期中考
|
|
| 10 | 機器學習 (ML) 基礎與全連接神經網路 |
1. 機器學習概論：監督式學習、非監督式學習、強化學習基本概念與應用場景。
2. 神經網路基礎：感知器、多層感知器 (MLP)、全連接神經網路 (Fully Connected Neural Network) 的結構與運作原理。
3. 學習演算法：反向傳播 (Backpropagation) 的原理與意義。
4. 實作/討論：手寫數字辨識系統：使用 Snap!AI 無代碼開發工具，實作一個簡單的數字辨識系統，理解神經網路的運作。 |
1. 機器學習概論
2. 神經網路基礎： |
上機實習
講授
實作
|
上機測驗
|
|
| 11 | 機器學習進階：卷積神經網路 (CNN) 與影像識別 |
1. 卷積神經網路 (CNN) 詳解：卷積層、池化層、全連接層的原理與在影像處理中的應用。
2. CNN 於 AIoT 影像辨識：案例分析（如：智慧安防、產品瑕疵檢測、智慧農業蟲害識別）。
3. 實作/討論：AIoT 影像分類與控制：使用 Snap!AI 結合 Camera 模組，利用預訓練或簡單 AI 模型進行影像分類（如辨識特定物體），並依據分類結果控制 IoT 裝置（如開關燈、發出警報）。 |
1. 卷積神經網路 (CNN)
2. CNN 於 AIoT 影像辨識 |
上機實習
講授
實作
媒體教學
|
上機測驗
|
|
| 12 | 大型語言模型 (LLM) 概論與 AIoT 智慧化 |
1. LLM 基礎與發展：Transformer 架構、訓練原理、多模態 LLM 發展趨勢。
2. LLM 在 AIoT 中的潛在應用：語音助理、智慧客服、自然語言處理數據（如感測器數據的語音查詢、日誌分析）、異常預警的語義理解。
3. 實作/討論：AIoT 智慧化互動探討：探討 LLM 如何賦能 AIoT 系統，提升其語音互動性與智慧化程度，例如情境感知的語音指令、自然語言數據分析。 |
1. LLM 基礎與發展
2. LLM 在 AIoT 中的潛在應用 |
講授
實作
|
|
|
| 13 | 大型語言模型：智慧語音客服系統實戰 |
1. LLM API 應用：MobiWebX 整合 ChatGPT 與 Gemini API 的方法與範例。
2. 語音 API 基礎：文字轉語音 (TTS) 與語音轉文字 (STT) API 的原理與應用。
3. 實作/討論：建構智慧語音客服系統：結合 MobiWebX、LLM API 及語音 API，實作一個能進行自然語言對話的智慧語音客服系統，並探討其在 AIoT 服務中的應用 |
1. MobiWebX LLM API 應用
2. MobiWebX 語音 API 基礎：Text to Speech and Speech to Text |
上機實習
講授
實作
|
上機測驗
|
|
| 14 | 大型語言模型：Vibe Coding 與提示工程 |
1. MobiWebX Vibe Coding 介紹：透過 Vibe Coding 快速生成應用程式或功能區塊。
2. 提示工程 (Prompt Engineering) 基礎：撰寫有效提示的技巧，引導 LLM 產生符合 AIoT 應用需求的內容。
3. 實作/討論：LLM 輔助 App 開發：透過 Vibe Coding 結合提示工程，實作具備特定 AIoT 功能的應用程式原型，例如：A. 同學會 APP 實作（具備智慧通知、活動組織等 LLM 功能） B. 遊戲 APP 實作。 |
1. MobiWebX Vibe Coding 介紹
2. 提示工程 (Prompt Engineering) 基礎 |
上機實習
講授
實作
|
上機測驗
|
|
| 15 | 專題實作與個別指導 |
1. AIoT 專題開發進程：學生分組進行 AIoT 專題的開發，包含軟硬體整合、數據處理、模型部署等。
2. 問題診斷與解決：教師提供個別化指導與技術支援，協助學生解決開發過程中的困難。
3. 成果初驗與調試：各組進行內部測試與調整。 |
1. AIoT 專題開發進程
2. 問題診斷與解決 |
討論
講授
個別或小組指導
|
|
|
| 16 | AIoT 專題成果演示與綜合評量 |
1. 專題成果展示：各組展示其 AIoT 專題的最終成果，包含設計理念、系統功能、實作過程、技術挑戰與解決方案。
2. Q&A 與技術討論：開放問答環節，學生與教師進行技術交流與討論。 |
1. 題成果展示
2. Q&A 與技術討論 |
討論
心得發表
|
期末考
|
|
| 17 | 彈性教學 (一)：專題優化與進階議題探討 |
1. 專題優化指導：針對各組專題的不足之處，提供進一步的優化建議與技術指導。
2. 進階議題探討：根據學生興趣或產業最新趨勢，彈性補充 AIoT 相關的進階技術（如邊緣 AI 最佳化、資料隱私與安全、區塊鏈與 IoT 整合等）。
3. 實作/討論：專題成果優化與Q&A：進行專題優化後的再次展示與問題討論。 |
1. 專題優化
2. 進階議題探討 |
討論
實作
心得發表
|
彈性教學
|
|
| 18 | 彈性教學 (二)：AIoT 未來展望與職涯發展 |
1. 課程總結與重點回顧：回顧課程核心知識與技能，強調 AIoT 跨領域整合的重要性。
2. AIoT 產業未來趨勢：探討新興技術（如數位孿生、Web3.0 與 IoT）對 AIoT 的影響。
3. 職涯發展與學習路徑：分享 AIoT 相關職位需求、所需的專業能力與持續學習的建議。
4. 師生交流與課程回饋：提供學生對課程的建議與意見。
5. 智慧物聯網學程介紹。 |
1. 課程總結與重點回顧
2. 智慧物聯網學程介紹 |
講授
實作
|
彈性教學
|
|