IOAI 2026 大綱對照表

🏠 IOAI 總覽　｜　逐課重點 →

這一頁怎麼用

來源：IOAI 2026 Syllabus（官方 PDF）。大綱沒列的題目不考。

ioai_coverage

怎麼讀

覆蓋：✅ fast.ai 教得夠　🟡 有提到但不夠　❌ 沒教，一定要補
類別：理論＝懂原理；實作＝會用程式庫、看懂輸出；兩者＝都要
fast.ai：粗體＝主要教學課；一般字＝順帶提到

1｜基礎技能與經典機器學習

程式基礎

覆蓋	題目	類別	fast.ai	去哪補
🟡	Python 基礎（迴圈、函式） Python Basics	實作	課前	Python 筆記主題 0–9
✅	資料處理 NumPy, Pandas	實作	L05、L11	Python 筆記主題 11、12
🟡	畫圖 Matplotlib, Seaborn	實作	L03、L12	經典 ML §0
🟡	機器學習套件 Scikit-learn	實作	L06	經典 ML
✅	PyTorch 基礎 PyTorch Basics	實作	L05、L13、L14	Python 筆記主題 13
✅	張量操作 Tensor Manipulation	實作	L11、L03	Python 筆記主題 13
✅	CPU 與 GPU 訓練 Training on CPU/GPU	實作	L01、L12	—

監督式學習

覆蓋	題目	類別	fast.ai	去哪補
✅	線性迴歸 Linear Regression	兩者	L03、L05	—
🟡	邏輯斯迴歸 Logistic Regression	兩者	L05（sigmoid）	經典 ML §1
🟡	L1、L2 正則化 L1 & L2 Regularization	兩者	L07（weight decay＝L2）	經典 ML §2
❌	K 最近鄰 K-NN	兩者	無	經典 ML §3
✅	決策樹 Decision Trees	兩者	L06	—
✅	集成（Boosting、Bagging、隨機森林） Ensembles	實作	L06	—
❌	支援向量機 SVM	兩者	無	經典 ML §3

非監督式學習

覆蓋	題目	類別	fast.ai	去哪補
🟡	K 平均分群 K-Means	兩者	L12（均值漂移，相近）	經典 ML §4
🟡	主成分分析 PCA	兩者	L07（看嵌入）	經典 ML §5
❌	降維視覺化 t-SNE, UMAP	實作	無	經典 ML §5
❌	密度、階層、譜分群 DBSCAN 等分群	實作	無	經典 ML §4

資料科學

覆蓋	題目	類別	fast.ai	去哪補
🟡	準確率、精確率、召回率、F1 Metrics	兩者	L01、L04（相關係數）	經典 ML §6
✅	欠擬合、過擬合 Under/Overfitting	理論	L02、L04	—
🟡	超參數調整 Hyperparameter Tuning	實作	L06、L16	經典 ML §7
🟡	交叉驗證 Cross-Validation	實作	L04（提到）	經典 ML §7
🟡	混淆矩陣、ROC 曲線 Confusion Matrix, ROC	兩者	L02（混淆矩陣）	經典 ML §6
🟡	特徵工程 Feature Engineering	實作	L05、L06	經典 ML §8
🟡	資料前處理 Data Processing	實作	L05、L02、L04	經典 ML §8

2｜神經網路與深度學習

神經網路

覆蓋	題目	類別	fast.ai	去哪補
✅	感知器 Perceptron	兩者	L03	—
✅	梯度下降 Gradient Descent	兩者	L03、L05	圖解速查
✅	反向傳播 Backpropagation	兩者	L13、L14	—
✅	ReLU、Sigmoid、Tanh Activations	兩者	L03、L05、L17	圖解速查
✅	MSE、MAE、交叉熵 Loss Functions	兩者	L03、L05、L07	圖解速查

深度學習

覆蓋	題目	類別	fast.ai	去哪補
✅	多層感知器 MLP	兩者	L05、L13	—
🟡 聲音沒教	嵌入（文字、圖片、聲音） Embeddings	兩者	L07、L04、L09	視覺語言音訊
✅	最大、平均池化 Pooling	兩者	L08	圖解速查
✅	注意力 Attention	兩者	L24	—
✅	Transformer Transformers	兩者	L24、L04	—
✅	自編碼器 Autoencoders	實作	L15、L25	—
✅	隨機梯度下降、小批次 SGD, Mini-batch	兩者	L05、L14、L18	—
✅	動量類優化器 Adam, AdamW	實作	L18	—
✅	學習率與收斂 Learning Rates	實作	L03、L16、L18	—
🟡 Early stopping 少	正則化 Dropout, Early Stopping, Weight Decay	實作	L07、L08、L19	經典 ML §2
✅	權重初始化 Weight Initialization	實作	L17	—
✅	批次正規化 Batch Normalization	實作	L17	—
🟡 LoRA 沒教	完整微調、參數高效微調 Finetuning（full, PEFT）	實作	L01、L04	視覺語言音訊 §5

3｜電腦視覺

覆蓋	題目	類別	fast.ai	去哪補
✅	卷積層 Convolutional Layers	兩者	L08、L15	圖解速查
✅	影像分類 Image Classification	實作	L01、L02、L06	—
❌	物件偵測 Object Detection（YOLO、SSD、DETR）	實作	無	視覺語言音訊 §1
🟡	影像分割 Segmentation（U-Net）	實作	L01（示範）、L23（U-Net）	視覺語言音訊 §1
✅	預訓練視覺模型 Pre-trained Encoders（ResNet）	實作	L01、L18	—
✅	影像增強 Image Augmentation	實作	L02、L19	—
❌	生成對抗網路 GANs	實作	無（Part 2 舊版有）	視覺語言音訊 §2
🟡	自監督學習 Self-Supervised Learning	實作	L04（語言模型預訓練＝自監督）	視覺語言音訊 §2
✅	圖文編碼器 CLIP	實作	L09、L10	—
✅	擴散模型 Diffusion Models	實作	L09、L19–L25	—

4｜自然語言處理與音訊

覆蓋	題目	類別	fast.ai	去哪補
✅	文字分類 Text Classification	實作	L04	—
🟡	預訓練文字編碼器 BERT	兩者	L04（DeBERTa）	視覺語言音訊 §3
✅	語言模型 Language Modeling	兩者	L04、L24	—
❌	編碼器-解碼器（翻譯、圖文） Encoder-Decoder	實作	無	視覺語言音訊 §3
🟡	預訓練語言模型 Pre-trained LMs（開源、API）	實作	L04	視覺語言音訊 §3
❌	預訓練音訊編碼器 HuBERT	實作	無	視覺語言音訊 §4
❌	語音辨識 Whisper 等音訊模型	實作	無	視覺語言音訊 §4

統計

	✅ 夠	🟡 要補一點	❌ 要整個補
1 基礎與經典 ML	8	13	4
2 神經網路與深度學習	15	3	0
3 電腦視覺	6	2	2
4 NLP 與音訊	2	2	3
合計 60 項	31	20	9

結論

fast.ai 能撐起大約一半的 IOAI 大綱，第 2 部分「神經網路與深度學習」幾乎全包。缺的主要是 scikit-learn 的經典機器學習、評估指標，以及物件偵測、GAN、音訊。

🏠 IOAI 總覽　｜　逐課重點 →

Links to this page: