本課程介紹資訊與網路安全相關之議題，內容涵蓋了基本問題、原理、密碼學總覽、與網路安全技術。其次針對現實生活中的網路安全，討論目前已被實作且使用於網路安全的實用應用程式。
The purpose of the course is to provide a state-of-the-art text covering the basic issues and principles and surveying cryptographic and network security techniques. The latter part of the course deals with the real-world practice of network security: practical applications that have been implemented and are in use to provide network security.
本課程介紹人工智慧的基本理論及其應用，學生將在課程中學習到資料科學的技術以及介紹機器學習的各種常見的演算法。首先課程規畫是讓學生們可以了解人工智慧的演進與起起落落興衰史；同時知道算力與大數據是促成這一波人工智慧革命的推手。緊接著針對由資料預處理&資料清理與關聯的角度切入，並提到如何探索資料與各項分析資料的技巧，其中對於訓練人工智慧模型最重要的特徵值如何進行標記(Labeling)等教學。當學生完成這些前置學習後，將緊鑼密鼓分別介紹機器學習的三大類別：線性迴歸分析、分類演算法和分群演算法；並以各種類的經典模型：線性迴歸分析、K最近鄰(KNN)演算法、k-平均演算法(K-means Clustering)、支持向量機(SVM)及決策樹(Decision Tree)進行手把手的教學與實作，同時帶領學生們一步步了解模型的原理及實作驗證。實作過程同時也考量到本課程修課學生為碩士在職專班學生的背景程度，因此，使用Orange3可視化套件來實做模型，這種不需撰寫程式碼的套件，很適合非資訊背景的同學們來學習人工智慧，讓學習人工智慧不再是資訊背景學生的專屬。為了讓同學們了解業界人工智慧的應用，在課堂中並由業師介紹業界實際使用影像辨識技術的各項專案，讓同學學習不再只是紙上談兵。另更有鑑於ChatGPT的火熱程度，在課堂中也針對如何使用生成式AI建立知識庫對話的大型語言模型(LLM)與檢索增強生成(RAG)的理論技術進行介紹，並使用開源的套件來讓學生可以進行訓練自己專屬的大型語言模型(LLM)。另外鑑於現今訓練模型的數據超級龐大以及不想外洩自己私密資料的考量因素，導入聯邦式學習(Federated Learning)讓學生們體驗如何跨越多個分散的邊緣設備(Edge Device)或伺服器來分散式訓練。最後因為本課程為研究所課程，所以期末就安排由學生們研讀人工智慧相關研究論文進行口頭發表，進行研究交流討論。