台大 AI／ML 課程導讀：李宏毅、林軒田、陳縕儂的課，校外到底拿得到哪些？

TL;DR台大的 AI／ML 課散在電機系與資工系，官方用「機器學習與人工智慧」領域專長把它們排成四層。校外最完整的是李宏毅：ML 2026 Spring 與生成式 AI 與機器學習導論 2025 Fall 都公開投影片、錄影、作業 PDF 與 Colab，只差評分平台。林軒田的錄影齊全，Fall 2024 的 HW0–HW7 題目也留在課程頁；陳縕儂的課錄影齊全，作業大多只公開說明影片；Coursera 自 2025 年 8 月起改為只能免費看第一單元。

🌏 English version

前五篇學校地圖都在處理英文課。台大不一樣：它是中文讀者最常自學的一間。李宏毅每年把整學期的課放上 YouTube，林軒田的機器學習基石錄影也在網路上流傳了十年。問題是「看得到影片」和「能完整修一次」差很多。影片之外，作業題目、起始碼、評分平台和旁聽身分，各自有不同的開放程度。

這篇沿用世界名校 AI／CS 課程地圖的 A0–A3 分級。A0 只有課表，A1 有課綱，A2 有部分實質教材，A3 則是教材加作業足以排成連貫自學路線。這是本站的編輯分級，不是台大的評鑑，也不代表有學分或助教批改。以下公開狀態以 2026 年 9 月 30 日的查核為準。

台大怎麼組織 AI／ML 課：看領域專長，不是看系名

台大沒有一個叫「AI 系」的大學部。AI／ML 課主要開在電機系與資工系，研究所端則由資工所、資訊網路與多媒體研究所（網媒所）、電信所、資料科學學位學程等共同選課。資工系另設有人工智慧碩士班。從臺大課程網查一門課，常會看到同一門課掛在好幾個系所底下。例如林軒田 113-1 的機器學習同時列給資工系、資料科學學程、網媒所、智慧醫療學程與 AI 學程聯盟，備註寫著「人工智慧碩士班必修」。

想看課程之間的先後關係，最好用的官方文件是資工系主責的「機器學習與人工智慧」領域專長。它把課排成四層：

先修：機率、線性代數、程式設計
  ↓
Level 1：資料結構與演算法
  ↓
Level 2：人工智慧導論 或 機器學習基石
  ↓
Level 3–4：機器學習技法、機器學習
           深度學習之應用、高等人工智慧、機器學習專論

這張圖漏了一條校外讀者最常走的路：電機系李宏毅的課。李宏毅的機器學習 114-2課號 EE5184，4 學分，與吳沛遠合授。課綱明講這門課不從頭教 ML 基礎，要學生先看完《生成式人工智慧與機器學習導論》的錄影。也就是說，李宏毅自己的兩門課已經是一組上下集，和資工系那條「基石 → 技法」是平行的兩條路。

一張表看完：九門課的公開程度

課程與學期	分級	校外拿得到什麼	校內限定或缺口
李宏毅 ML 2026 Spring	A3	投影片 pdf／pptx、錄影、HW1–10 題目 PDF、Colab 起始碼、作業說明影片	JudgeBoi 與 NTU COOL 評分；三場演講沒有公開材料
李宏毅生成式 AI 與機器學習導論 2025 Fall	A3	10 講投影片與錄影、HW1–10 投影片、Colab、說明影片	評分走 JudgeBoi／NTU COOL，旁聽生作業不批改
李宏毅生成式 AI 導論 2024 Spring（歷史版）	A3	投影片、錄影、HW1–10 說明投影片與 Colab	部分作業需要課程發放的平台帳號
林軒田機器學習基石／技法 MOOC	A2	兩份 65 支影片的 YouTube 播放清單、全套 handout 投影片	Coursera 免費預覽只開第一個模組（含該模組評量），其餘作業需付費或申請助學金
林軒田機器學習 Fall 2026（進行中）	A2	課程投影片、課前指定影片、hw0–hw1、公開同步直播	後續作業隨進度公開；Gradescope 與 NTU COOL 限修課生
林軒田機器學習 Fall 2024	A3（配 MOOC）	HW0–HW7 題目 PDF、期末專題說明	沒有官方解答；評分平台與 Kaggle 競賽頁限修課生
陳縕儂深度學習之應用（ADL）Fall 2025	A2	逐講投影片與錄影、HW1 規格投影片、各作業說明影片	作業繳交走 NTU COOL；HW2／HW3 規格未全部公開
陳尚澤、陳縕儂人工智慧導論 Spring 2026（兩班）	A2	33 支錄影的播放清單、兩班各自的課程大綱	沒有公開課程網站；程式作業與期末專題規格未公開
傅楸善電腦視覺（一）Fall 2026	A3	11 章講義、HW1–10 題目頁、測試影像、DCCV Lab 頻道的課堂錄影	內容是傳統電腦視覺，不含深度學習
李濬屹深度強化學習 113-2	A1	臺大課程網上的完整課綱	未找到公開投影片、錄影或作業

李宏毅：兩門課一組，評分平台之外幾乎全開

ML 2026 Spring：最新一版，重心在「調整模型行為」

ML 2026 Spring 課程頁從 3 月 6 日開到 6 月，每一講正課都附 YouTube 錄影與 pptx／pdf。前半學期講 AI Agent（以 OpenClaw 為例）、Context Engineering 與推論加速（Flash Attention、KV Cache）。後半學期講 Positional Embedding、Harness Engineering、Self-Correction 與 Self-Improving。

作業區列出 HW1 到 HW10。前五份練的是防禦惡意指令、用 AI Agent 寫作業、加速推論、訓練 Transformer 與微調而不遺忘。後五份是 Model Editing、Model Merging、Test-Time Scaling、Flow Matching 與語音語言模型。每份都有題目 PDF 和 Colab 連結，部分另有 Kaggle 版。

缺口在評分。作業表的「Platform」欄寫的是 JudgeBoi（ml.ee.ntu.edu.tw）或 NTUCOOL。JudgeBoi 使用說明要求把台大信箱綁到 GitHub 帳號才能登入，本文查核當天這個網址也只回傳 502。校外讀者做得完每份作業，但拿不到排行榜分數和測驗解答。另外，課表上 5/15、5/29、6/05 的三場演講只有標題，沒有投影片也沒有錄影。

本站的台大李宏毅機器學習 2026 Spring 導讀系列逐講、逐份作業拆解這個學期，共 21 篇。

生成式 AI 與機器學習導論 2025 Fall：先修課，也是最友善的入口

GenAI-ML 2025 Fall 課程頁的最新公告寫得很直接：學期已結束，不再加旁聽生進 NTU COOL。想旁聽的人「可以在本課程網站上取得所有教學內容和學習素材，包含上課影片與完整作業」。十講從 LLM 原理、Context Engineering、評估、機器學習基本概念一路講下去。十份作業從 RAG、惡意指令防禦、回歸、影像分類、LLM 微調、擴散模型到語音生成，都有投影片、Colab 與說明影片。

課程 FAQ 說它的目標受眾是初學者，不需要額外先備知識。作業設計成用 Colab 免費 GPU 就能拿到及格以上的分數。ML 2026 的課綱要求先看完它的錄影播放清單，所以校外讀者照「2025 Fall → 2026 Spring」的順序走，就是李宏毅自己設計的路線。

舊版本還能用嗎

李宏毅的課程選單列出 ML 2025 Spring 以及更早的機器學習，另有生成式 AI 導論 2024 Spring。2024 年沒有機器學習版，ml/2024-spring.php 這個網址不存在。2025 年以前的各版如下，錄影數以課程頁上的 YouTube 連結計，包含作業說明影片：

版本	課程頁 YouTube 連結	作業	公開的作業資產	評分平台	分級
2023 Spring	97	HW1–15	每份有投影片與 Colab 程式碼	9 份 Kaggle，其餘 JudgeBoi、Gradescope、NTU COOL	A3
2022 Spring	154	HW1–15	每份有投影片與 Colab 程式碼	9 份 Kaggle，HW5、6、10、12 走 JudgeBoi	A3
2021 Spring	111（中英雙語）	HW1–15	每份有投影片與 Colab 程式碼	8 份 Kaggle，其餘 JudgeBoi 與 NTU COOL	A3
2020 Spring	80	HW1–15	每份有 Colab 範例與說明投影片	課程頁沒有列評分平台	A3
2019 Spring	49	HW1–8	6 份連到助教的 GitHub Pages 作業頁，HW5 與 HW8 沒有連結	課程頁沒有列評分平台	A2
2017 Fall、2017 Spring、2016 Fall	2–35	課程頁沒有作業	只有投影片與錄影	無	A2

2021 到 2023 三版的 Kaggle 競賽頁今天仍打得開，可以看到資料與排行榜。JudgeBoi（ml.ee.ntu.edu.tw）今天回傳 502，Gradescope 與 NTU COOL 則要台大帳號。所以校外讀者拿得到題目和起始碼，約一半的作業還有 Kaggle 排行榜可以參照。

這些都是歷史版，內容每年大改，2026 年的課綱也明說過去講過的內容本學期不再講。想補經典 ML／DL（CNN、RNN、自注意力、GAN、強化學習）的讀者，2021 或 2022 版最完整。記得在筆記上寫明年份，不要把 2021 的作業和 2026 的評分規則混在一起。

今晚可以做的事：打開 GenAI-ML 2025 Fall 課程頁，看第 0 講與第 1 講，接著在 Colab 開 HW1 跑一遍。跑得動，就照十份作業的順序走完這門課。

林軒田：MOOC 練習題在收費牆後，Fall 2024 作業補上了缺口

林軒田的 MOOC 頁面把兩門課的資源集中在一起：機器學習基石（Mathematical 與 Algorithmic Foundations 兩段）和機器學習技法。每門都有全套 handout 投影片壓縮檔與免費 YouTube 播放清單，教材以他合著的 Learning from Data 為本。基石與技法兩份播放清單各 65 支影片，第一支分別上傳於 2015 年 12 月與 2016 年 2 月。這是十年前錄的課，理論部分（VC 維度、正則化、SVM、boosting）不會過時，但沒有 Transformer 與 LLM。

練習題是缺口。基石上、基石下與技法三門 Coursera 課程頁都還掛著「Enroll for free」，但頁面 FAQ 寫明要取得課程教材與作業，得購買證書方案。Coursera 在 2025 年 8 月的官方公告裡用「預覽」取代了舊的旁聽。依說明中心的 Enrollment options，預覽只開放第一個模組，包含該模組的計分評量，後面的模組全部鎖住。少數課程另有「Full Course, No Certificate」選項，可以做完所有評量但不給證書。這三門課有沒有這個選項，只有登入後在報名視窗裡才看得到，公開頁面無法確認。不付費的話，還可以申請 Coursera 的助學金（financial aid）。只走免費路線，這組課是 A2：影片、投影片與教科書完整，計分作業只拿得到第一個模組。

林軒田現行的校內課是機器學習 Fall 2026，採翻轉教室，課前指定看 MOOC 影片與課程投影片。課堂透過 TAICA（臺灣大專院校人工智慧學程聯盟）對外同步直播。課程頁目前放到 hw1，後續作業隨進度公開，學期中先列 A2。上一輪完課的 Fall 2024 則把 hw0 到 hw7 的題目 PDF 與期末專題說明都留在課程頁上，配合 MOOC 影片就能排成 A3 的自學路線，只缺官方解答與評分。本站的林軒田機器學習基石與技法導讀就用這個組合：內容跟 MOOC，練習跟 Fall 2024 作業。

陳縕儂：頻道上的播放清單比課程網站完整

陳縕儂的 YouTube 頻道陳縕儂 Vivian NTU MiuLab是資工系機器智慧與理解實驗室（MiuLab）的頻道，簡介寫著「陳縕儂授課內容錄影」。播放清單依學期整理，和台大 AI／ML 有關的有：

播放清單	影片數
2026 Fall 深度學習之應用（ADL，進行中）	24
2026 Spring 人工智慧導論（FAI）	33
2025 Fall 深度學習之應用	77
2025 Spring 人工智慧導論	39
2024 Fall 深度學習之應用	91
高等深度學習（AvDL，未標學期）	16

更早還有 2017 到 2023 年的 ADL、2023 與 2024 年的人工智慧導論，以及 2017 Fall 電機系 MLDS 的清單。

ADL（深度學習之應用）的課程網站固定在 adl.miulab.tw，目前轉到 Fall 2026 版。最近一個完整學期是 Fall 2025，範圍從神經網路基礎、Transformer、BERT 一路到 RAG、LoRA 與 Language Agents。每個單元都有 PDF 投影片和分段錄影。作業方面，HW1（中文抽取式問答）的規格投影片公開，排行榜放在 Kaggle，程式碼與報告則交到 NTU COOL。HW2、HW3 在課表上只有說明影片。課程頁下方的作業區仍停在 2022 年的連結，不要照那裡的截止日。因此 ADL Fall 2025 列 A2：講課端很完整，作業端只有一份規格可以確定是當期版本。

人工智慧導論（FAI，CSIE3005）Spring 2026 在課程網上其實是兩個班：01 班陳尚澤收單號學生，02 班陳縕儂收雙號學生。兩班同在週三上午上課，進度表不完全相同。陳尚澤班從搜尋、CSP、賽局一路講到 MDP、強化學習與貝氏網路。陳縕儂班則加了命題邏輯與規劃，強化學習排在後半。兩班都以 AIMA 第 4 版為主要教材，陳縕儂班的評量是 Python 程式作業、期中考、以競賽方式進行的期末專題與課堂參與。2026 Spring 播放清單有 33 支影片，第一支的說明欄寫的是「Lectured by Shang-Tse Chen & Yun-Nung Vivian Chen」。清單裡另有一支期末專題「Game Agent 誰是牛頭王」的說明影片。

這門課沒有公開課程網站。我找過 MiuLab 網站（~miulab/s115-fai/ 等學期路徑都是 404）、陳縕儂個人頁的 Teaching 頁（只列到 2020 年）、兩班的課程大綱（課程網頁欄位空白）、TAICA 114 學年下學期的課程清單（沒有這門課），以及 GitHub 上 MiuLab 組織的公開 repo。GitHub 上只找得到修課學生自己上傳的作業，沒有官方版本。因此 FAI 只能依錄影與課綱判 A2。

其他公開程度較高的課

電腦視覺（一）：傅楸善的課程網站公開依 Haralick 與 Shapiro 教科書編排的 11 章講義，多數章節有逐年更新的 pptx。HW1–10 的題目頁也公開，內容是二值化、形態學、Yokoi 連通數、細線化、雜訊去除與邊緣偵測，另附作業用的測試影像。作業規定不能用現成函式庫，只能自己寫演算法。錄影放在傅楸善實驗室的 YouTube 頻道 DCCV Lab，課程網站頁尾署名 DCCV Lab，「Videos」連結也指向這個頻道。頻道共 43 支影片、5 份播放清單，從 114-1（2025 秋）開始上傳：114-1 電腦視覺 14 支、114-1 計算機概論 10 支、114-2 高等電腦視覺 14 支，115-1 的電腦視覺與計算機概論目前各 3 支。這是 A3，但它教的是傳統電腦視覺，想學 CNN 或 ViT 的人要另外找課。

人工智慧：機器學習與理論基礎：電機系于天立在臺大開放式課程上的 MOOC，授課日期 2018 年 6 月，OCW 上有 5 講影片。範圍涵蓋 VC 理論、決策樹、SVM、神經網路與深度強化學習。完整作業在 Coursera，同樣受到 2025 年 8 月的預覽制影響，列 A2。

深度強化學習：李濬屹 113-2 的課綱很完整，寫了先修、GPU 需求和從 MDP 到 policy optimization 的範圍。不過本次沒找到公開投影片或錄影，只能判 A1。

校外最穩的三條路線

1. 從零開始，想跟上現在的 AI：李宏毅兩門連修

先走 GenAI-ML 2025 Fall 的十講十作業，再接 ML 2026 Spring。全程中文，只需要 Colab。接受兩件事就好：沒有人幫你改作業，排行榜也看不到。

2. 想把 ML 理論打穩：林軒田基石 → 技法

看 YouTube 影片配 handout 投影片，練習題改用 Fall 2024 課程頁的 HW0–HW7，或 Learning from Data 的章末習題；本站系列已把每份作業對到講次。想要自動批改，再付費或申請 Coursera 助學金。之後再接李宏毅或 ADL 補深度學習。

3. 想做 NLP 與 LLM 應用：陳縕儂 ADL

跟 Fall 2025 的投影片與錄影，HW1 照公開規格做，其餘作業用說明影片推回題目；本站的 ADL 2025 Fall 導讀逐講整理了這條路線。這條路比李宏毅的課更偏工程實作。Fall 2026 正在進行，學期末可以回來看作業是否公開更多。

台大和前五間學校最大的差別，是公開教材的中心在老師個人，不在學校。領域專長告訴你課程怎麼接，真正能自學的材料卻散在三位老師的個人網頁與 YouTube 頻道上，每位的開放方式也不一樣。李宏毅開放作業但不開放評分；林軒田開放影片，練習題要回到 Fall 2024 課程頁找；陳縕儂開放完整錄影，作業只公開一部分。先確認你缺的是影片、題目還是回饋，再挑那位老師的課。