交大資工沒有特別區分研究所與大學部的課，只要是資訊院開的課都可以算專業選修。因為研究所可以帶而且幾乎沒有上限，我修了較多研究所的課。以下也是我覺得修了很棒的課程們～
大三下
高等 UNIX 程式設計(A+) - 黃俊穎
我們是第一屆開始施行撤掉期中、期末考，改成 Lab 跟 HW 的。一週一個 Lab，期中考週、期末考週會停一次。
老師會先把去年的上課錄影放在課程網站上，上課前要先看完，上課會公佈當週 Lab 題目，「理論上」在上課的兩小時內要寫完且 demo，但是…真正能在課堂上寫完的通常只有系計中的大神們，隔週 demo 的部分成績打 9 折（通常分成好幾小題，只有隔週 demo 的才會打折喔！！），如果期中作業、期末作業都拿滿的話，A+也是沒問題的。
課程 Lab 為 Unix 系統的各種工具(gdb)和實驗(練習 sandbox, 試著操縱系統)，印象最深的是用 ptrace library 實作一個簡易版的 gdb，因為那個 project 幫我拿到實習😍實習面試過程與經驗會寫成另外兩篇～
大家來抄作業嘍！，但是通常會改題目～
強化學習原理(英授，A+) - 謝秉均
老師太棒了！！！我最喜歡的課之一！！！而且是我的指導老師！！！
每次上課老師都會先有一個 “hook”，可能是時事或是最近發表的論文，小小的recap，再進入當天的課程。
內容從 MDP, Bellman Optimality Equations, 到 DQN, SAC, PPO, DDPG…等各式 RL 演算法，大部分演算法都會細緻的推導。老師用 GoodNotes 上課，課後會把 annoted ppt 傳到 E3，但是個人覺得還是要抄筆記才會記得上課講了什麼。
這門課共四次作業，兩次project，但是第四次作業來不及出，所以直接送分～～(不是平均喔！直接送總成績6分)
每次作業都是有一些數學推導＋程式實作，可以下課請教老師，老師很願意給 hints。兩個 project 分別是一個 Theory Project 和 Final Project。Theory Project 從老師給的 paper list 選一篇詳讀，錄一個約二十分鐘的影片介紹該篇論文並製作講義，傳到 OpenReview 並由兩位同學評分(老師跟助教也會評)並給予審查意見，很像投稿，同學評分完後還會有 rebuttal，可以在上面交流(對罵)
Final Project 分成兩種，Ablation Study 與 Reproduce，Ablation study 要重跑 paper code 並加實驗以驗證論文提出的演算法是否有效。因為不用寫 code，所以要做較多實驗。Reproduce 是復現 paper code，我們原本選 Ablation Study，但是因為原本的 paper code 不能用，所以改成 Reproduce。學期結束有 Lightning Talk，每組有八分鐘分享自己的 paper 和實作細節或發現。因為是英授的課且有外籍生，無論是 final project 或 theory project 的報告皆需用英文。
這門課的另一個魅力在於，老師的英文超好！拿過資訊院的英文教學獎！是我上過最好的英授課程之一！～而且很能感受到老師對研究的熱情(老師會切到中文說：「這篇文章標題只有四個字，你們不覺得這很帥嗎！？」上課的時候喜歡跟學生互動、下課常常圍了一圈學生問問題，要排隊的！
電腦動畫與特效(英授，A+) - 林文杰
我覺得算是交大比較不累的課，但是這堂課的 loading 與助教高度相關，我修的那年除了第一個作業與 final project，幾乎都可以在一天之內寫完，但是下一屆好像不太樂觀。
Final prject 是有三個選項，可以選擇寫一篇論文的 code、提出一個新想法或用軟體做影片(不！用！寫！code！)。不是大神的我想當然選擇做影片，因為我和隊友都是用 Mac，所以我們用了開源且 Mac-friendly 的 blender，用 MacBook-Air 跑 blender 會有點吃力，看到隊友的 Pro 瞬間覺得果然有風扇就是不一樣！
因為這學期修了其他兩門比較要花時間的課(高U + RL)，相較花在這門課的時間就比較少了，但是這門課的內容很有趣，跟高中物理有些重疊，如計算力學 Forward Dynamics 等等，終於覺得高中學的知識與資工科目相關了！
大四上
資料探勘(A+) - 曾新穆
這門課是數據所必修之一，我當時修的原因是因為有個損友(勸我修資料探勘上是個損友)說它很重要涼，加上他是大神，有大神一起修課怕什麼！我就這麼誤入歧途了🤣 不過修完發現是數據所必修，頓時覺得太值了！
這門課主要教許多資料探勘的方法跟基礎知識，基礎知識的部分有 Association Rule, Mining, Apriori Principle, FP Tree 等，資料探勘的基礎知識比較雜，有些部分如 K-means 與機器學習重合，加上這門課有很多演講，所以整體修下來在寫 HW1 很爆炸和讀期末很爆炸(沒有考古題，但是我有寫其他老師的考古)以外其實沒有在修的時候那麼恐怖。
演化計算(A+) - 陳穎平
大四下
深度學習實務(6學分，A+) - 彭文孝、陳永昇、吳毅成
交大資工大名鼎鼎的 DLP ！六學分的課，可以想像一下它的 loading。(私心覺得跟高 U 比，高 U 週週 demo 比較重🤣)
幸好上一學期有修電子所開的深度學習，讓我面對真正的 DLP 沒那麼害怕，但是畢竟是資工大課，教得內容更深入、更數學。電子所的課比較廣泛的介紹 VGG, ImageNet 等，而資工系的更著重在數學推導。
表定課程時間是 Tabc 和 Rn56，除了剛開學幾週 Tabc 會拿來上課外，其餘的週二晚上大多是 demo 作業，排六堂課的用意是老師能更靈活的安排課程進度。
這門課是名符其實的數學課！老師上課內容除了 Intro to CNN 外全部都是數學，基本 ML 的數學推導證明、VAE、DDPM、GAN 的數學部分。期末考主要會考理論部分和一點點實作 Lab 時的小技巧。
| Task | 佔分 |
|---|---|
| 6 Labs | 40% |
| Paper Presentation | 20% |
| Final Project | 20% |
| Final Exam | 20% |