首頁內容關於
「2060AIHANS 애한스｜頂大修課紀錄研究室」
理想OP是一個具有無限開迴路增益、無限輸入阻抗、零輸出阻抗、無限頻寬、無限轉換速率、零共模增益與無限共模抑制比的差動放大器；在有負回授且處於線性區時，可用兩大黃金定律 i⁺ = i⁻ = 0 與 v⁺ = v⁻ 來簡化分析，其中當非反相端接地時，反相端會形成 虛地，這也是分析的核心基礎。
反相器是把輸入從 V⁻ 送入得到 Vout = −(Rf/Rin)Vin，非反相器是把輸入送入 V⁺ 得到 Vout = (1 + Rf/R1)Vin，差動器負責放大兩輸入的差值，而加法器則利用多支路電流在反相端匯合，形成多輸入加權求和輸出。
先 DC 找 Q-point，再由 I_C 求 gₘ、rπ（必要帶 rₒ）；中頻 AC 把 VCC 當地、電容當短路，換小訊號算 Av/Rin/Rout，並檢查 CE 反相與截止/飽和。二極體掌握負載線、整流濾波、限幅鉗位；偏壓用 R_E 負回授穩定線性。
偏壓就是先把 CE 放大器調到放大區的「待命點」Q-point，別靠近截止或飽和，避免訊號一大就切波失真。加射極電阻 R_E 形成負回授：I_C↑→V_E↑→v_be↓→把電流拉回，使工作點更穩，較不怕 β、V_BE、溫度與元件誤差；常取 V_CE,Q≈VCC/2。
W6 共射 CE 中頻：先由 Q-point 得 gₘ、rπ、rₒ，將 BJT 換小訊號模型；增益由集極等效負載 (R_C∥R_L∥rₒ) 決定且反相。R_E 未旁路形成負回授 (1+gₘR_E)，使增益下降但線性、穩定與 Rin 提升；VCC 為 AC ground，故 (R1∥R2) 對地負載。
I_C=1 mA、β=100、室溫下，Vₜ≈26 mV ⇒ gₘ≈38.5 mS、rπ≈2.6 kΩ。未旁路 R_E 形成負回授，使 v_be 被抵消，增益下降但線性與穩定度提升。V_A 小則 rₒ 變小，導致 (R_C∥rₒ) 下降，|Aᵥ| 與 Rout 皆下降。
理想OP是一個具有無限開迴路增益、無限輸入阻抗、零輸出阻抗、無限頻寬、無限轉換速率、零共模增益與無限共模抑制比的差動放大器；在有負回授且處於線性區時，可用兩大黃金定律 i⁺ = i⁻ = 0 與 v⁺ = v⁻ 來簡化分析，其中當非反相端接地時，反相端會形成 虛地，這也是分析的核心基礎。
反相器是把輸入從 V⁻ 送入得到 Vout = −(Rf/Rin)Vin，非反相器是把輸入送入 V⁺ 得到 Vout = (1 + Rf/R1)Vin，差動器負責放大兩輸入的差值，而加法器則利用多支路電流在反相端匯合，形成多輸入加權求和輸出。
先 DC 找 Q-point，再由 I_C 求 gₘ、rπ（必要帶 rₒ）；中頻 AC 把 VCC 當地、電容當短路，換小訊號算 Av/Rin/Rout，並檢查 CE 反相與截止/飽和。二極體掌握負載線、整流濾波、限幅鉗位；偏壓用 R_E 負回授穩定線性。
偏壓就是先把 CE 放大器調到放大區的「待命點」Q-point，別靠近截止或飽和，避免訊號一大就切波失真。加射極電阻 R_E 形成負回授：I_C↑→V_E↑→v_be↓→把電流拉回，使工作點更穩，較不怕 β、V_BE、溫度與元件誤差；常取 V_CE,Q≈VCC/2。
W6 共射 CE 中頻：先由 Q-point 得 gₘ、rπ、rₒ，將 BJT 換小訊號模型；增益由集極等效負載 (R_C∥R_L∥rₒ) 決定且反相。R_E 未旁路形成負回授 (1+gₘR_E)，使增益下降但線性、穩定與 Rin 提升；VCC 為 AC ground，故 (R1∥R2) 對地負載。
I_C=1 mA、β=100、室溫下，Vₜ≈26 mV ⇒ gₘ≈38.5 mS、rπ≈2.6 kΩ。未旁路 R_E 形成負回授，使 v_be 被抵消，增益下降但線性與穩定度提升。V_A 小則 rₒ 變小，導致 (R_C∥rₒ) 下降，|Aᵥ| 與 Rout 皆下降。
期中考就是考你能不能：看懂 Bode → 寫出/判讀 H(s) → 用極點零點估斜率與轉折 → 回到運放回授算增益/頻寬 → 檢查穩定與失真（PM/GBW/SR）。
0) 考前先抓一條主線：每題都用同一套 SOP
你只要把題目丟進這條流程，就不會慌：
先判題型：Bode？H(s)？回授運
W7 重點：用運放做有源濾波（LP/HP/BP），從 Bode 形狀與斜率（−20/−40 dB/dec）判斷型態、階數與轉折頻率。當 |Aβ|≈1 且相位逼近 −180° 時易振盪，用 PM/GM 評估穩定；補償透過搬極點換穩定，但常犧牲頻寬。
W6 重點：用回授讓運放「好用」—增益更準、失真更小。先懂 β 是輸出回送比例，回授夠強時 A_cl≈1/β。必會反相 A_cl≈−R_f/R_in、非反相 A_cl≈1+R_f/R_g。頻寬用 f_BW≈GBW/A_cl 速估；高頻 A_ol 下降虛短不準，且 2πfVp>SR 會出現斜率失真。
W5 重點是運放從理想到真實：開迴路增益會隨頻率下降，導致閉迴路增益與頻寬需交換，近似 A_cl×f_BW≈GBW。輸出還有 Slew Rate 限制，若 2πfVp>SR，正弦波會因爬坡跟不上而失真。虛短虛地只在負回授足夠強（A_olβ≫1）時才準。
本題型皆以「理想運放＋負回授」為主線：輸入端電流≈0、線性區 V⁻=V⁺（虛短），先用分壓或節點 KCL 求 V⁺（或中間節點），再令 V⁻=V⁺，於反相端寫 KCL 解 Vo 或 Vo/Vi。多級/多運放題則先各級求輸出再合成（常化為差動增益）。
任意波形可用 傅立葉 分解成多個正弦疊加。線性系統滿足疊加原理，輸入相加則輸出相加；LTI 系統對單一 sin(ωt) 的輸出只改幅度 A 與相位 φ。RC 低通傳遞 H(jω)=1/(1+jωRC)，截止 ωc=1/RC、fc=1/(2πRC)。Pole/Zero 決定 Bode 斜率與相位。
相量只管單頻穩態；傅立葉拆頻譜看各頻率增益相位；Laplace 同時處理暫態與初始條件；s 平面用極點零點對應衰減與振盪。背熟 Z_R=R、Z_L=jωL、Z_C=1/(jωC)，以及 τ↔ω_c=1/τ。RC：τ=RC，s_p=−1/RC，ω_c=1/RC，f_c=1/(2πRC)。
（承接 W3：H(s)、極點零點 → 斜率/相位。本週把它變成「不用精算也能快速畫」的工程技能；複合系統用主極點抓主行為。）
🎯 1) Week 4 你要練成的能力
🧩 會用「工程近似」手繪 Bode：分段斜率、轉折點、0 dB 交越點
🧠 會做相位近似：每個一階極點/零點的相位轉
H(s)=Vout/Vin為設計語言：用s域阻抗R、sL、1/(sC)快速寫轉移函數，靠零點/極點預測Bode斜率與相位（零點+20、極點−20 dB/dec）。一階由(1+s/ωc)抓ωc；二階由s²+2ζω0s+ω0²掌握ω0、ζ/Q與peaking、ringing，最後用ω→0/∞做極限檢查。
期中考就是考你能不能：看懂 Bode → 寫出/判讀 H(s) → 用極點零點估斜率與轉折 → 回到運放回授算增益/頻寬 → 檢查穩定與失真（PM/GBW/SR）。
0) 考前先抓一條主線：每題都用同一套 SOP
你只要把題目丟進這條流程，就不會慌：
先判題型：Bode？H(s)？回授運
W7 重點：用運放做有源濾波（LP/HP/BP），從 Bode 形狀與斜率（−20/−40 dB/dec）判斷型態、階數與轉折頻率。當 |Aβ|≈1 且相位逼近 −180° 時易振盪，用 PM/GM 評估穩定；補償透過搬極點換穩定，但常犧牲頻寬。
W6 重點：用回授讓運放「好用」—增益更準、失真更小。先懂 β 是輸出回送比例，回授夠強時 A_cl≈1/β。必會反相 A_cl≈−R_f/R_in、非反相 A_cl≈1+R_f/R_g。頻寬用 f_BW≈GBW/A_cl 速估；高頻 A_ol 下降虛短不準，且 2πfVp>SR 會出現斜率失真。
W5 重點是運放從理想到真實：開迴路增益會隨頻率下降，導致閉迴路增益與頻寬需交換，近似 A_cl×f_BW≈GBW。輸出還有 Slew Rate 限制，若 2πfVp>SR，正弦波會因爬坡跟不上而失真。虛短虛地只在負回授足夠強（A_olβ≫1）時才準。
本題型皆以「理想運放＋負回授」為主線：輸入端電流≈0、線性區 V⁻=V⁺（虛短），先用分壓或節點 KCL 求 V⁺（或中間節點），再令 V⁻=V⁺，於反相端寫 KCL 解 Vo 或 Vo/Vi。多級/多運放題則先各級求輸出再合成（常化為差動增益）。
任意波形可用 傅立葉 分解成多個正弦疊加。線性系統滿足疊加原理，輸入相加則輸出相加；LTI 系統對單一 sin(ωt) 的輸出只改幅度 A 與相位 φ。RC 低通傳遞 H(jω)=1/(1+jωRC)，截止 ωc=1/RC、fc=1/(2πRC)。Pole/Zero 決定 Bode 斜率與相位。
相量只管單頻穩態；傅立葉拆頻譜看各頻率增益相位；Laplace 同時處理暫態與初始條件；s 平面用極點零點對應衰減與振盪。背熟 Z_R=R、Z_L=jωL、Z_C=1/(jωC)，以及 τ↔ω_c=1/τ。RC：τ=RC，s_p=−1/RC，ω_c=1/RC，f_c=1/(2πRC)。
（承接 W3：H(s)、極點零點 → 斜率/相位。本週把它變成「不用精算也能快速畫」的工程技能；複合系統用主極點抓主行為。）
🎯 1) Week 4 你要練成的能力
🧩 會用「工程近似」手繪 Bode：分段斜率、轉折點、0 dB 交越點
🧠 會做相位近似：每個一階極點/零點的相位轉
H(s)=Vout/Vin為設計語言：用s域阻抗R、sL、1/(sC)快速寫轉移函數，靠零點/極點預測Bode斜率與相位（零點+20、極點−20 dB/dec）。一階由(1+s/ωc)抓ωc；二階由s²+2ζω0s+ω0²掌握ω0、ζ/Q與peaking、ringing，最後用ω→0/∞做極限檢查。
本段整理網孔法、節點法、超節點與重疊定理解題。重點是利用已知網孔電流、受控源關係與節點約束，列 KVL、KCL 方程求未知電阻、電壓與電流。解題時需注意短路共節點、電源極性、共用支路方向及 supernode 的正確建立。
本段整理受控源電路、超節點與網孔分析題型。重點是先定義節點或網孔變數，再用 KCL、KVL 與受控源約束式列方程，逐步求得電流、節點電壓與未知參數。解題時需特別注意電源極性、控制變數方向與共用支路的電流關係。
本段整理多題電路分析，涵蓋短路判斷、串並聯化簡、分流、節點電壓法、KCL 與受控源分析。解題重點是先辨認等效結構與節點關係，再列方程求電流、電壓與增益，最後用代回與方向檢查確認答案合理且一致。
本段整理多題基本電路分析，重點涵蓋串聯、並聯、分壓、分流、梯形電阻網路與等效電阻化簡。解題流程皆先辨認結構，再求總電阻、總電流或節點電壓，最後用歐姆定律求各支路電壓與電流，並以驗算確認答案正確。
期中考的電路學重點，可濃縮為兩大主線：一是 DC 線性電路分析，透過 KCL、KVL、Nodal、Mesh、疊加、Thevenin / Norton 與最大功率傳輸來求解；二是一階暫態分析，透過切換前穩態求初值、利用連續性得到切換瞬間狀態量，再於切換後新電路中求終值與時間常數，最後得到完整響應。
一階暫態的核心，就是把 RC 與 RL 用同一套流程處理：先求初值，再用連續性找切換瞬間狀態量，接著求終值與時間常數，最後代入 x(t) = x(∞) + [x(0⁺) − x(∞)] e^(−t/τ)。其中 RC 連續的是電容電壓、穩態視為開路；RL 連續的是電感電流、穩態視為短路。
RL 一階暫態分析的核心，在於先由切換前穩態求得電感初始電流，再利用電感電流連續性得到 i_L(0⁺)，接著分析切換後新電路的終值與等效電阻，求出時間常數 τ = L/Req，最後代入 x(t) = x(∞) + [x(0⁺) − x(∞)] e^(−t/τ) 得到完整響應。
RC 題目最常考的就是初始值、終值、時間常數、充放電波形，以及由 v_C(t) 進一步求 i_C(t) 的能力；只要記住「電容電壓連續、DC 穩態下電容視為開路、一階響應皆可寫成初值到終值的指數過渡」，大多數題型都能快速拆解。
本段整理網孔法、節點法、超節點與重疊定理解題。重點是利用已知網孔電流、受控源關係與節點約束，列 KVL、KCL 方程求未知電阻、電壓與電流。解題時需注意短路共節點、電源極性、共用支路方向及 supernode 的正確建立。
本段整理受控源電路、超節點與網孔分析題型。重點是先定義節點或網孔變數，再用 KCL、KVL 與受控源約束式列方程，逐步求得電流、節點電壓與未知參數。解題時需特別注意電源極性、控制變數方向與共用支路的電流關係。
本段整理多題電路分析，涵蓋短路判斷、串並聯化簡、分流、節點電壓法、KCL 與受控源分析。解題重點是先辨認等效結構與節點關係，再列方程求電流、電壓與增益，最後用代回與方向檢查確認答案合理且一致。
本段整理多題基本電路分析，重點涵蓋串聯、並聯、分壓、分流、梯形電阻網路與等效電阻化簡。解題流程皆先辨認結構，再求總電阻、總電流或節點電壓，最後用歐姆定律求各支路電壓與電流，並以驗算確認答案正確。
期中考的電路學重點，可濃縮為兩大主線：一是 DC 線性電路分析，透過 KCL、KVL、Nodal、Mesh、疊加、Thevenin / Norton 與最大功率傳輸來求解；二是一階暫態分析，透過切換前穩態求初值、利用連續性得到切換瞬間狀態量，再於切換後新電路中求終值與時間常數，最後得到完整響應。
一階暫態的核心，就是把 RC 與 RL 用同一套流程處理：先求初值，再用連續性找切換瞬間狀態量，接著求終值與時間常數，最後代入 x(t) = x(∞) + [x(0⁺) − x(∞)] e^(−t/τ)。其中 RC 連續的是電容電壓、穩態視為開路；RL 連續的是電感電流、穩態視為短路。
RL 一階暫態分析的核心，在於先由切換前穩態求得電感初始電流，再利用電感電流連續性得到 i_L(0⁺)，接著分析切換後新電路的終值與等效電阻，求出時間常數 τ = L/Req，最後代入 x(t) = x(∞) + [x(0⁺) − x(∞)] e^(−t/τ) 得到完整響應。
RC 題目最常考的就是初始值、終值、時間常數、充放電波形，以及由 v_C(t) 進一步求 i_C(t) 的能力；只要記住「電容電壓連續、DC 穩態下電容視為開路、一階響應皆可寫成初值到終值的指數過渡」，大多數題型都能快速拆解。
W8 期中考重點，在於把 W1–W7 串成一條主線：從材料、晶圓準備、污染控制、氣體控制，到平面 FET 製程與熱氧化，理解每一步都不是孤立存在，而是共同影響 Vt、Id、Leakage、Reliability 與 Yield。真正要背的不是章節名稱，而是「製程如何一步步轉成元件電性」的整合邏輯。
W7〈Oxidation〉重點在理解：熱氧化是讓矽在高溫下與 O₂ 或 H₂O 反應生成 SiO₂，不是單純沉積薄膜。其核心在於精準控制厚度、均勻性與介面品質；乾氧適合高品質薄氧化層，濕氧適合快速成長厚氧化層。最終會直接影響 gate 控制能力、Vt、漏電、擊穿與可靠度。
W6：平面 MOSFET 是由基板、井區、隔離、gate、source/drain、退火、接觸與互連等步驟逐步整合而成。每一步都會影響 Vt、Id、leakage 與速度，因此真正關鍵不只是單一步驟，而是整體 process integration、thermal budget 與結構對位控制。
W5重點在於理解：半導體製程中的氣體控制，不只是把氣送進機台，而是必須同時管好流量、壓力、純度、比例與時序。MFC、purge、leak check、pressure control 與 exhaust 都直接影響氧化、沉積、蝕刻的穩定性、均勻性與良率，也是製程安全與設備可靠運作的基礎。
W4重點在理解：半導體高良率的前提，不只是先進設備與製程條件，更是對污染的全面控制。顆粒、金屬、有機物與水氣都可能破壞圖形、電性與可靠度；因此必須從人、機、料、法、環全面管理，並結合 Cleanroom、UPW、監控與 SPC，建立可被信任的製程潔淨基礎。
元件由摻雜、薄膜、介電層、互連幾何決定；掌握寄生電容、平面電容結構與互連 RC 延遲，並理解 PN I–V、BJT β 與偏壓穩定。延伸到 DRAM 以 1T1C、charge sharing、sense amp、refresh 為核心，最後補半/全加法器作為 CMOS 運算落地。
本週以製程視角建立元件直覺：R/C/L 與主動元件（PN、BJT、MOSFET/CMOS）皆由摻雜、薄膜與互連幾何堆疊決定；重點掌握寄生電容、平面電容結構（MOSCAP/MIM/接面）、互連 RC 延遲，以及 PN I–V、BJT β 與偏壓穩定、CMOS 功耗與常見實務問題。
W3聚焦把原料晶圓變成可量產製程的「穩定基底」。核心包含厚度/平坦度與形狀控制（TTV、bow/warp、site flatness）、表面粗糙與損傷層管理，以及清洗去除顆粒、金屬與有機污染，確保光刻對焦與overlay視窗、薄膜界面品質與漏電尾巴受控，為 FEOL 打好地基。
Device Tech 聚焦「元件結構→電性→製程旋鈕」的對應。從 MOSCAP 的累積/耗盡/反轉與 C–V 建立界面直覺，再連到 MOSFET 的 Vt、Idsat、Ioff、Ig 與短通道效應，學會用量產語言（WAT/GOI）判讀製程漂移與可靠度風險，為後續 FEOL 製程流程打地基。
W1 聚焦「晶圓到晶片」的起點：半導體材料。從 Si 晶體結構、晶向與純度出發，理解缺陷密度與界面態如何影響摻雜、電阻率、遷移率與漏電，並把材料特性對應到後續熱製程、沉積、光刻、蝕刻、佈植等步驟，最終連回元件電性與良率風險。
W8 期中考重點，在於把 W1–W7 串成一條主線：從材料、晶圓準備、污染控制、氣體控制，到平面 FET 製程與熱氧化，理解每一步都不是孤立存在，而是共同影響 Vt、Id、Leakage、Reliability 與 Yield。真正要背的不是章節名稱，而是「製程如何一步步轉成元件電性」的整合邏輯。
W7〈Oxidation〉重點在理解：熱氧化是讓矽在高溫下與 O₂ 或 H₂O 反應生成 SiO₂，不是單純沉積薄膜。其核心在於精準控制厚度、均勻性與介面品質；乾氧適合高品質薄氧化層，濕氧適合快速成長厚氧化層。最終會直接影響 gate 控制能力、Vt、漏電、擊穿與可靠度。
W6：平面 MOSFET 是由基板、井區、隔離、gate、source/drain、退火、接觸與互連等步驟逐步整合而成。每一步都會影響 Vt、Id、leakage 與速度，因此真正關鍵不只是單一步驟，而是整體 process integration、thermal budget 與結構對位控制。
W5重點在於理解：半導體製程中的氣體控制，不只是把氣送進機台，而是必須同時管好流量、壓力、純度、比例與時序。MFC、purge、leak check、pressure control 與 exhaust 都直接影響氧化、沉積、蝕刻的穩定性、均勻性與良率，也是製程安全與設備可靠運作的基礎。
W4重點在理解：半導體高良率的前提，不只是先進設備與製程條件，更是對污染的全面控制。顆粒、金屬、有機物與水氣都可能破壞圖形、電性與可靠度；因此必須從人、機、料、法、環全面管理，並結合 Cleanroom、UPW、監控與 SPC，建立可被信任的製程潔淨基礎。
元件由摻雜、薄膜、介電層、互連幾何決定；掌握寄生電容、平面電容結構與互連 RC 延遲，並理解 PN I–V、BJT β 與偏壓穩定。延伸到 DRAM 以 1T1C、charge sharing、sense amp、refresh 為核心，最後補半/全加法器作為 CMOS 運算落地。
本週以製程視角建立元件直覺：R/C/L 與主動元件（PN、BJT、MOSFET/CMOS）皆由摻雜、薄膜與互連幾何堆疊決定；重點掌握寄生電容、平面電容結構（MOSCAP/MIM/接面）、互連 RC 延遲，以及 PN I–V、BJT β 與偏壓穩定、CMOS 功耗與常見實務問題。
W3聚焦把原料晶圓變成可量產製程的「穩定基底」。核心包含厚度/平坦度與形狀控制（TTV、bow/warp、site flatness）、表面粗糙與損傷層管理，以及清洗去除顆粒、金屬與有機污染，確保光刻對焦與overlay視窗、薄膜界面品質與漏電尾巴受控，為 FEOL 打好地基。
Device Tech 聚焦「元件結構→電性→製程旋鈕」的對應。從 MOSCAP 的累積/耗盡/反轉與 C–V 建立界面直覺，再連到 MOSFET 的 Vt、Idsat、Ioff、Ig 與短通道效應，學會用量產語言（WAT/GOI）判讀製程漂移與可靠度風險，為後續 FEOL 製程流程打地基。
W1 聚焦「晶圓到晶片」的起點：半導體材料。從 Si 晶體結構、晶向與純度出發，理解缺陷密度與界面態如何影響摻雜、電阻率、遷移率與漏電，並把材料特性對應到後續熱製程、沉積、光刻、蝕刻、佈植等步驟，最終連回元件電性與良率風險。
本題探討非均勻摻雜 P 型半導體在平衡下的能帶傾斜效應：由 E_v 的斜率求得內建電場，電子濃度 n(x) 隨位置呈指數變化，並利用平衡時漂移電流與擴散電流互相抵消，推導出 Einstein 關係 Dₙ/μₙ = kT/q。
搞懂 pn 接面在反向偏壓下，空乏層會變寬、接面電容會變小；當反向電場強到臨界時，接面就會崩潰，而崩潰機制又分成 avalanche 與 Zener，其中 Zener 的深層核心就是量子穿隧。
pn 接面形成後，多數載子因濃度差而擴散，接面附近留下固定受體與施體離子，形成空乏層。這些空間電荷建立內部電場，使電位在空乏層內逐漸變化，最後形成 built-in potential，用來抵抗進一步擴散並建立熱平衡。
這些題目重點是在理解半導體中費米分佈、費米能階、載子濃度與溫度和摻雜的關係。溫度越低，Fermi–Dirac 分佈越陡；溫度越高，曲線越平滑。0 K 時費米能階以下的態會被填滿。非簡併條件下，電子與電洞濃度可由 DOS 與費米分佈推得，本徵費米能階也可能偏離能隙中點。
第一，載子基礎要會能帶圖、費米能階、n/p 型判斷、質量作用定律與溫度效應；第二，載子運動要分清漂移與擴散，並理解連續方程、壽命與擴散長度；第三，接面物理要掌握 p-n 接面的耗盡區、內建電位、順逆偏對 I–V/C–V 的影響，以及 Schottky 與 Ohmic 接觸的差別。
p-n 主要從摻雜與少數載子注入來理解；Schottky contact 則是金屬－半導體間多數載子越障導通，具有高速與低順向壓降特性；Ohmic contact 強調低阻與近線性導通；heterojunction 則藉由不同半導體材料的 band offset 主動設計載子侷限與注入效率。
p-n 接面在逆偏下因耗盡區變寬而呈現空乏電容，故接面電容會隨逆偏增加而下降；順偏時則可能因少數載子儲存產生擴散電容。當逆向電場過強時，會出現 Zener 穿隧或 Avalanche 碰撞游離兩種崩潰機制。
p、n 兩區接觸後，多數載子先因濃度梯度而擴散，於接面附近留下固定離子，形成耗盡區、內建電場與內建電位，最後在熱平衡下達到漂移與擴散互相平衡。外加順偏會降低障壁、縮小耗盡區並大幅增加注入，因此二極體電流呈指數上升；逆偏則提高障壁、加寬耗盡區，只留下極小的少數載子飽和電流。
電場造成漂移、濃度梯度造成擴散，兩者共同決定總電流；而連續方程則描述載子在空間流動、產生與復合下如何隨時間改變。少數載子壽命 τ 與擴散長度 L = √(Dτ) 是理解暫態與空間分布的關鍵，熱平衡下則需掌握 G = R 的真正物理意義。
f(E) 決定佔據機率、DOS 決定位子數；兩者積分得 n、p。非退化熱平衡下用 Boltzmann：n=Nc·exp[−(Ec−Ef)/kT]、p=Nv·exp[−(Ef−Ev)/kT]；Ef 靠 Ec→n↑，靠 Ev→p↑；並有 n·p=ni²。
本題探討非均勻摻雜 P 型半導體在平衡下的能帶傾斜效應：由 E_v 的斜率求得內建電場，電子濃度 n(x) 隨位置呈指數變化，並利用平衡時漂移電流與擴散電流互相抵消，推導出 Einstein 關係 Dₙ/μₙ = kT/q。
搞懂 pn 接面在反向偏壓下，空乏層會變寬、接面電容會變小；當反向電場強到臨界時，接面就會崩潰，而崩潰機制又分成 avalanche 與 Zener，其中 Zener 的深層核心就是量子穿隧。
pn 接面形成後，多數載子因濃度差而擴散，接面附近留下固定受體與施體離子，形成空乏層。這些空間電荷建立內部電場，使電位在空乏層內逐漸變化，最後形成 built-in potential，用來抵抗進一步擴散並建立熱平衡。
這些題目重點是在理解半導體中費米分佈、費米能階、載子濃度與溫度和摻雜的關係。溫度越低，Fermi–Dirac 分佈越陡；溫度越高，曲線越平滑。0 K 時費米能階以下的態會被填滿。非簡併條件下，電子與電洞濃度可由 DOS 與費米分佈推得，本徵費米能階也可能偏離能隙中點。
第一，載子基礎要會能帶圖、費米能階、n/p 型判斷、質量作用定律與溫度效應；第二，載子運動要分清漂移與擴散，並理解連續方程、壽命與擴散長度；第三，接面物理要掌握 p-n 接面的耗盡區、內建電位、順逆偏對 I–V/C–V 的影響，以及 Schottky 與 Ohmic 接觸的差別。
p-n 主要從摻雜與少數載子注入來理解；Schottky contact 則是金屬－半導體間多數載子越障導通，具有高速與低順向壓降特性；Ohmic contact 強調低阻與近線性導通；heterojunction 則藉由不同半導體材料的 band offset 主動設計載子侷限與注入效率。
p-n 接面在逆偏下因耗盡區變寬而呈現空乏電容，故接面電容會隨逆偏增加而下降；順偏時則可能因少數載子儲存產生擴散電容。當逆向電場過強時，會出現 Zener 穿隧或 Avalanche 碰撞游離兩種崩潰機制。
p、n 兩區接觸後，多數載子先因濃度梯度而擴散，於接面附近留下固定離子，形成耗盡區、內建電場與內建電位，最後在熱平衡下達到漂移與擴散互相平衡。外加順偏會降低障壁、縮小耗盡區並大幅增加注入，因此二極體電流呈指數上升；逆偏則提高障壁、加寬耗盡區，只留下極小的少數載子飽和電流。
電場造成漂移、濃度梯度造成擴散，兩者共同決定總電流；而連續方程則描述載子在空間流動、產生與復合下如何隨時間改變。少數載子壽命 τ 與擴散長度 L = √(Dτ) 是理解暫態與空間分布的關鍵，熱平衡下則需掌握 G = R 的真正物理意義。
f(E) 決定佔據機率、DOS 決定位子數；兩者積分得 n、p。非退化熱平衡下用 Boltzmann：n=Nc·exp[−(Ec−Ef)/kT]、p=Nv·exp[−(Ef−Ev)/kT]；Ef 靠 Ec→n↑，靠 Ev→p↑；並有 n·p=ni²。
Gems 是 Gemini 裡的自訂 AI 專家功能，核心用途是讓使用者把角色、任務、背景與格式先設定好，之後即可反覆用在學習、寫作、職涯、程式與其他固定流程工作上。它的本質是把 prompt 工具化、角色化、可重複化。
這次參加「AI時代下的就業博覽會」，讓我最大的感受是：現在的就業市場，已經不只是找工作而已，而是在重新認識未來職場到底需要什麼樣的人。 過去很多人參加就業博覽會，重點可能放在公司名稱、薪資待遇、福利制度或職缺數量，但這一次，我明顯感受到企業更在意的，已經不只是你會不會做事，而是你能不能跟上 時代。
這次 W2 專題討論課程邀請學長回校分享創投經驗，我最大的收穫不是「哪個產業會紅」，而是學會用更工程化、可驗證的方式看待商業世界。學長提到創投在評估案子時，最先看的是問題是否夠大、需求是否真實，其次才是解法有沒有技術門檻與可擴張性。
本課為必修演講課，邀請學界與業界講師分享就業與求學資訊，學期以通過/不通過評量。需固定座位出席並下課繳交紙本「課程紀錄單」，遲到逾10分鐘或未繳交視為缺席；缺席滿3次後每次扣15分。發言可加分（每次+15，最多3次），成績>60通過，期末作業未繳交即fail。
Gems 是 Gemini 裡的自訂 AI 專家功能，核心用途是讓使用者把角色、任務、背景與格式先設定好，之後即可反覆用在學習、寫作、職涯、程式與其他固定流程工作上。它的本質是把 prompt 工具化、角色化、可重複化。
這次參加「AI時代下的就業博覽會」，讓我最大的感受是：現在的就業市場，已經不只是找工作而已，而是在重新認識未來職場到底需要什麼樣的人。 過去很多人參加就業博覽會，重點可能放在公司名稱、薪資待遇、福利制度或職缺數量，但這一次，我明顯感受到企業更在意的，已經不只是你會不會做事，而是你能不能跟上 時代。
這次 W2 專題討論課程邀請學長回校分享創投經驗，我最大的收穫不是「哪個產業會紅」，而是學會用更工程化、可驗證的方式看待商業世界。學長提到創投在評估案子時，最先看的是問題是否夠大、需求是否真實，其次才是解法有沒有技術門檻與可擴張性。
本課為必修演講課，邀請學界與業界講師分享就業與求學資訊，學期以通過/不通過評量。需固定座位出席並下課繳交紙本「課程紀錄單」，遲到逾10分鐘或未繳交視為缺席；缺席滿3次後每次扣15分。發言可加分（每次+15，最多3次），成績>60通過，期末作業未繳交即fail。
梯度表示純量場在某點增加最快的方向與變化率；散度表示向量場在某點向外發散或匯聚的程度；旋度表示向量場在某點局部旋轉、環流的強弱與方向。三者皆由 ∇ 算子描述，是工程數學與電磁學分析場變化的核心工具。
W7 重點是把 Coulomb 定律、電場、Gauss 定律、電位、電容與電流電阻整合成一條完整解題主線，學會依題型判斷該用力、場、能量或電路語言下手，並熟練方向、單位、對稱性、固定條件與極限檢查，作為期中考前的總整理。
W6 重點是理解導體內電場如何驅動載子漂移，形成電流密度 J⃗ 與總電流 I，並掌握 J⃗=σE⃗、R=ρL/A、V=IR 與 P=IV=I²R=V²/R。要分清電流與電子方向、I 與 J⃗ 的差別，以及材料性質 ρ、σ 和幾何尺寸如何共同決定導電與焦耳熱耗散。
W5 重點是理解電容器以電荷分離建立電場與電位差，並把能量儲存在電場中。要掌握 C=Q/ΔV、平行板電容 C=ϵA/d、串並聯規則與儲能公式。介電質因極化會改變電場與電位差，使電容增加；並需分清接電池時 V 固定、拔電池時 Q 固定。
W4 重點是用電位 V 的能量觀點理解電場 E⃗，掌握 V=U/q、ΔV=-∫E⃗·dℓ⃗ 與 E⃗=-∇V。要會點電荷與多電荷電位、等位面、均勻電場電位差，以及由 V 反推 E⃗。並理解靜電場是保守場，電場垂直等位面，正電荷往低電位移動。
W3 的高斯定律把「包住的電荷」與「穿出封閉面的電通量」直接對應：∮E⃗·dA⃗ = Q_enc/ϵ₀。當系統具球對稱、圓柱對稱或平面對稱時，可選匹配的高斯面，使 E 在面上大小為常數且方向與 dA⃗ 平行（或為 0），通量化簡成 E×A，快速求出 E 並檢查極限與單位。
W2 電場 E⃗ 是「力/單位電荷」的向量場：由電荷產生並依疊加原理向量相加；點電荷大小隨距離 r 以 1/r² 衰減。解題先判對稱性找保留分量與方向，再用 dq 積分求連續分佈的 E⃗，最後檢查單位與極限。
W1 靜電解題主線是「庫倫力 + 疊加 + 幾何向量」：先畫圖判斷同號排斥、異號吸引，確定每一力的方向 r̂；再用 |F|=k|q₁q₂|/r² 算大小；最後把各力（或各電場）拆成 x/y 分量做向量相加，得到合力/合電場並檢查單位。
把向量微積分三大定理（梯度/散度/旋度）與靜電場串起：ANS1–2 強調鏈鎖律與保守場概念，說明勢函數存在時線積分只看端點；ANS3–5 以散度定理與 Stokes 定理把體積源量、曲面通量與邊界環流互相對應，建立「局部→整體」的物理直覺；ANS6–7 則示範利用對稱與軸上場公式快速求電場與電荷比。
梯度表示純量場在某點增加最快的方向與變化率；散度表示向量場在某點向外發散或匯聚的程度；旋度表示向量場在某點局部旋轉、環流的強弱與方向。三者皆由 ∇ 算子描述，是工程數學與電磁學分析場變化的核心工具。
W7 重點是把 Coulomb 定律、電場、Gauss 定律、電位、電容與電流電阻整合成一條完整解題主線，學會依題型判斷該用力、場、能量或電路語言下手，並熟練方向、單位、對稱性、固定條件與極限檢查，作為期中考前的總整理。
W6 重點是理解導體內電場如何驅動載子漂移，形成電流密度 J⃗ 與總電流 I，並掌握 J⃗=σE⃗、R=ρL/A、V=IR 與 P=IV=I²R=V²/R。要分清電流與電子方向、I 與 J⃗ 的差別，以及材料性質 ρ、σ 和幾何尺寸如何共同決定導電與焦耳熱耗散。
W5 重點是理解電容器以電荷分離建立電場與電位差，並把能量儲存在電場中。要掌握 C=Q/ΔV、平行板電容 C=ϵA/d、串並聯規則與儲能公式。介電質因極化會改變電場與電位差，使電容增加；並需分清接電池時 V 固定、拔電池時 Q 固定。
W4 重點是用電位 V 的能量觀點理解電場 E⃗，掌握 V=U/q、ΔV=-∫E⃗·dℓ⃗ 與 E⃗=-∇V。要會點電荷與多電荷電位、等位面、均勻電場電位差，以及由 V 反推 E⃗。並理解靜電場是保守場，電場垂直等位面，正電荷往低電位移動。
W3 的高斯定律把「包住的電荷」與「穿出封閉面的電通量」直接對應：∮E⃗·dA⃗ = Q_enc/ϵ₀。當系統具球對稱、圓柱對稱或平面對稱時，可選匹配的高斯面，使 E 在面上大小為常數且方向與 dA⃗ 平行（或為 0），通量化簡成 E×A，快速求出 E 並檢查極限與單位。
W2 電場 E⃗ 是「力/單位電荷」的向量場：由電荷產生並依疊加原理向量相加；點電荷大小隨距離 r 以 1/r² 衰減。解題先判對稱性找保留分量與方向，再用 dq 積分求連續分佈的 E⃗，最後檢查單位與極限。
W1 靜電解題主線是「庫倫力 + 疊加 + 幾何向量」：先畫圖判斷同號排斥、異號吸引，確定每一力的方向 r̂；再用 |F|=k|q₁q₂|/r² 算大小；最後把各力（或各電場）拆成 x/y 分量做向量相加，得到合力/合電場並檢查單位。
把向量微積分三大定理（梯度/散度/旋度）與靜電場串起：ANS1–2 強調鏈鎖律與保守場概念，說明勢函數存在時線積分只看端點；ANS3–5 以散度定理與 Stokes 定理把體積源量、曲面通量與邊界環流互相對應，建立「局部→整體」的物理直覺；ANS6–7 則示範利用對稱與軸上場公式快速求電場與電荷比。
帶通濾波器，其功能為只允許特定頻率範圍內的訊號通過，並抑制低頻與高頻訊號。
電路可視為高通與低通濾波器的組合：
低頻時，電容容抗大，訊號不易通過 → 低頻被抑制
高頻時，電容容抗小，訊號經由旁路接地 → 高頻被抑制
中頻時，訊號可有效通過 → 形成通帶
實驗的目的在於探討主動式帶通濾波器的工作原理，並分析其頻率響應特性。透過使用運算放大器（op amp）與被動元件搭建電路，量測其增益、截止頻率、中心頻率與頻寬等重要參數，再將實驗結果與理論值進行比較，以了解帶通濾波器的實際運作特性。
進入 Tinkercad → Circuits → Create new Circuit，右側搜尋並拖入這些元件到工作區：電阻 5 顆、電容 2 顆、1 顆運算放大器、3 個電源。
本實驗探討一階與二階主動低通濾波器之原理、截止頻率與頻率響應，透過量測不同頻率下的增益變化，驗證低頻可通過、高頻會衰減的特性；並結合 LTspice 模擬比較 10 Hz 與 -3 dB 截止點波形，確認理論、實測與模擬結果大致相符。
本實驗探討反相積分器與實用微分器，驗證方波經積分成三角波、三角波經微分成方波的特性，並比較10kΩ與100kΩ回授對積分器穩定度及理想性的影響，再以理論、示波器與LTspice結果交叉驗證。
本實驗以運算放大器驗證反相加法、非反相加法與差動放大三種基本功能，並利用虛短、虛地與 KCL 推導輸出公式。結果顯示，實測值與理論值大致一致，成功驗證加總、同相加法與相減特性；再配合 KiCad、LTspice 模擬，可進一步確認電路設計、波形關係與增益表現皆合理。
以運放模型Vout=A(V⁺−V⁻)與理想假設推導：非反相Av=1+R2/R1、反相Av=−R2/R1，說明虛短/虛地與KCL。實測非反相約3倍同相、反相約2倍反相；高頻與大訊號會受GBW、slew rate與輸出擺幅限制而失真，並比較兩者相位、增益彈性與輸入阻抗差異。
你這門課的核心訓練其實很明確：把「電路原理」變成「可量測結果」，並依 SOP 完成當天查核與結報。
期末考週的最佳策略，就是把 W9–W15 全部收斂成一套「可重現、可口試、可寫結報」的統一框架。
儀表放大器的本質：專門用來「高精度放大差動訊號、強力抑制共模雜訊」的放大器架構。典型三運放 INA 會用兩個輸入緩衝/前級放大（高輸入阻抗）再接一個差動放大器（靠電阻比匹配取得高 CMRR）。
本週主題不是只做出增益，而是把 Ad（差動增益）、Ac（共模增益）、CMRR(dB)、輸入阻抗、與偏移
疊接級（cascode）的本質：用「上方疊一顆管子」把下方放大管的端點電壓“固定住”，大幅降低 Miller 效應與輸出電流對輸出電壓的敏感度，得到更高的輸出電阻 ro、更高的增益（Av ≈ gm·ro），且頻寬不會像單純把增益拉高那樣慘掉。也是業界用 cascode 在高增益與高頻寬之間取得平衡。
帶通濾波器，其功能為只允許特定頻率範圍內的訊號通過，並抑制低頻與高頻訊號。
電路可視為高通與低通濾波器的組合：
低頻時，電容容抗大，訊號不易通過 → 低頻被抑制
高頻時，電容容抗小，訊號經由旁路接地 → 高頻被抑制
中頻時，訊號可有效通過 → 形成通帶
實驗的目的在於探討主動式帶通濾波器的工作原理，並分析其頻率響應特性。透過使用運算放大器（op amp）與被動元件搭建電路，量測其增益、截止頻率、中心頻率與頻寬等重要參數，再將實驗結果與理論值進行比較，以了解帶通濾波器的實際運作特性。
進入 Tinkercad → Circuits → Create new Circuit，右側搜尋並拖入這些元件到工作區：電阻 5 顆、電容 2 顆、1 顆運算放大器、3 個電源。
本實驗探討一階與二階主動低通濾波器之原理、截止頻率與頻率響應，透過量測不同頻率下的增益變化，驗證低頻可通過、高頻會衰減的特性；並結合 LTspice 模擬比較 10 Hz 與 -3 dB 截止點波形，確認理論、實測與模擬結果大致相符。
本實驗探討反相積分器與實用微分器，驗證方波經積分成三角波、三角波經微分成方波的特性，並比較10kΩ與100kΩ回授對積分器穩定度及理想性的影響，再以理論、示波器與LTspice結果交叉驗證。
本實驗以運算放大器驗證反相加法、非反相加法與差動放大三種基本功能，並利用虛短、虛地與 KCL 推導輸出公式。結果顯示，實測值與理論值大致一致，成功驗證加總、同相加法與相減特性；再配合 KiCad、LTspice 模擬，可進一步確認電路設計、波形關係與增益表現皆合理。
以運放模型Vout=A(V⁺−V⁻)與理想假設推導：非反相Av=1+R2/R1、反相Av=−R2/R1，說明虛短/虛地與KCL。實測非反相約3倍同相、反相約2倍反相；高頻與大訊號會受GBW、slew rate與輸出擺幅限制而失真，並比較兩者相位、增益彈性與輸入阻抗差異。
你這門課的核心訓練其實很明確：把「電路原理」變成「可量測結果」，並依 SOP 完成當天查核與結報。
期末考週的最佳策略，就是把 W9–W15 全部收斂成一套「可重現、可口試、可寫結報」的統一框架。
儀表放大器的本質：專門用來「高精度放大差動訊號、強力抑制共模雜訊」的放大器架構。典型三運放 INA 會用兩個輸入緩衝/前級放大（高輸入阻抗）再接一個差動放大器（靠電阻比匹配取得高 CMRR）。
本週主題不是只做出增益，而是把 Ad（差動增益）、Ac（共模增益）、CMRR(dB)、輸入阻抗、與偏移
疊接級（cascode）的本質：用「上方疊一顆管子」把下方放大管的端點電壓“固定住”，大幅降低 Miller 效應與輸出電流對輸出電壓的敏感度，得到更高的輸出電阻 ro、更高的增益（Av ≈ gm·ro），且頻寬不會像單純把增益拉高那樣慘掉。也是業界用 cascode 在高增益與高頻寬之間取得平衡。
一階線性常微分方程式的標準式為 y ′+P(x)y=Q(x)。解題核心是求出**「積分因子」** 。將原方程式兩邊同乘 I(x) 後，等號左側會自動摺疊為精確的微分形式 (I(x)y)
′。接著對兩邊同時積分並移項，即可求出通解 y。此解題邏輯為分析電路與訊號系統的底層基石。
一階微分方程常見三型：可分離變數可將x、y拆開後積分；一階線性可寫成dy/dx+P(x)y=Q(x)，用積分因子求解；正合方程檢查∂M/∂y=∂N/∂x，再找勢函數ψ(x,y)=C。
複習在於快速辨識題型並套用模板。向量部分掌握點積、外積、投影、梯度、散度、旋度與方向導數；一階 ODE 要分清可分離、線性、恰當、齊次與 Bernoulli；二階 ODE 要熟悉特徵方程、三種根型態與非齊次方程 y = y_c + y_p。高分關鍵不是重看全部，而是 3 秒判斷題型、避免方向錯誤。
Week 7 重點是非齊次微分方程的解法：先求齊次解 y_c，再依右邊函數型態猜特解 y_p，若與齊次解重疊就乘 x 修正。高分關鍵在快速判斷特解形式、避免漏項，並熟記總解 y = y_c + y_p。
Week 6 重點是把二階以上常係數線性齊次微分方程，轉成特徵方程來解。先求特徵根，再依不同實根、重根或複根型態寫出通解。高分關鍵在於快速判斷題型、正確分類根的形式，並熟記對應解法與通解公式。
把表面複雜的一階微分方程轉成熟悉的標準型。若右邊只與 y/x 有關，優先判斷為齊次方程，令 y = vx；若題目為 dy/dx + P(x)y = Q(x)yⁿ 且 n ≠ 0,1，則為 Bernoulli 方程，令 u = y^(1−n)。高分關鍵是先看出結構，再選對代換，化成可分離或線性方程。
Week 4 重點是一階微分方程的型態辨識與解法選擇：可分離就分離，線性方程用積分因子，恰當方程檢查偏導是否相等。高分關鍵不在硬算，而在快速判斷題型、套用正確模板，並注意初值條件、積分常數與常見陷阱。
Week 3 重點是銜接向量微積分與微分方程：前半段要分清 gradient、divergence、curl、保守場與線積分；後半段要會判斷微分方程的階數、線性/非線性、通解、特解與初值問題，並建立可分離變數的基本解題觀念。
一階線性常微分方程式的標準式為 y ′+P(x)y=Q(x)。解題核心是求出**「積分因子」** 。將原方程式兩邊同乘 I(x) 後，等號左側會自動摺疊為精確的微分形式 (I(x)y)
′。接著對兩邊同時積分並移項，即可求出通解 y。此解題邏輯為分析電路與訊號系統的底層基石。
一階微分方程常見三型：可分離變數可將x、y拆開後積分；一階線性可寫成dy/dx+P(x)y=Q(x)，用積分因子求解；正合方程檢查∂M/∂y=∂N/∂x，再找勢函數ψ(x,y)=C。
複習在於快速辨識題型並套用模板。向量部分掌握點積、外積、投影、梯度、散度、旋度與方向導數；一階 ODE 要分清可分離、線性、恰當、齊次與 Bernoulli；二階 ODE 要熟悉特徵方程、三種根型態與非齊次方程 y = y_c + y_p。高分關鍵不是重看全部，而是 3 秒判斷題型、避免方向錯誤。
Week 7 重點是非齊次微分方程的解法：先求齊次解 y_c，再依右邊函數型態猜特解 y_p，若與齊次解重疊就乘 x 修正。高分關鍵在快速判斷特解形式、避免漏項，並熟記總解 y = y_c + y_p。
Week 6 重點是把二階以上常係數線性齊次微分方程，轉成特徵方程來解。先求特徵根，再依不同實根、重根或複根型態寫出通解。高分關鍵在於快速判斷題型、正確分類根的形式，並熟記對應解法與通解公式。
把表面複雜的一階微分方程轉成熟悉的標準型。若右邊只與 y/x 有關，優先判斷為齊次方程，令 y = vx；若題目為 dy/dx + P(x)y = Q(x)yⁿ 且 n ≠ 0,1，則為 Bernoulli 方程，令 u = y^(1−n)。高分關鍵是先看出結構，再選對代換，化成可分離或線性方程。
Week 4 重點是一階微分方程的型態辨識與解法選擇：可分離就分離，線性方程用積分因子，恰當方程檢查偏導是否相等。高分關鍵不在硬算，而在快速判斷題型、套用正確模板，並注意初值條件、積分常數與常見陷阱。
Week 3 重點是銜接向量微積分與微分方程：前半段要分清 gradient、divergence、curl、保守場與線積分；後半段要會判斷微分方程的階數、線性/非線性、通解、特解與初值問題，並建立可分離變數的基本解題觀念。
W1–W7 真正要你建立的，是一條完整的 AI 模型思維：先理解資料、任務與評估方式，再知道神經網路如何透過前向傳播、loss、反向傳播與梯度下降學習；接著進一步理解全連接網路如何設計、CNN 為何適合影像，以及物件辨識如何把分類延伸到定位與多物件偵測。
W7 重點在物件辨識：模型不只要判斷圖中是什麼，還要找出物件位置，因此結合分類與定位。評估常用 IoU、Precision、Recall、mAP；模型則分 two-stage 與 one-stage，並搭配 anchor box、NMS、backbone 完成偵測流程。
W6 的真正重點，是理解 CNN 不只是「另一種網路」，而是專門為影像資料設計的架構：它透過卷積核在局部區域滑動來擷取特徵，再配合 ReLU 與 pooling 逐步萃取和壓縮資訊，最後交給全連接層做分類；相較於 MLP，CNN 更能保留影像的空間結構，且用更少參數學到更有效的表示。
W5 的核心不是只會畫出一個 MLP，而是要理解全連接層設計背後的邏輯：每一層的輸入輸出維度決定了權重矩陣大小，進而決定參數量、訓練成本與模型容量；層數與神經元數增加通常能提升表達能力，但也可能帶來過擬合與訓練困難，因此網路設計本質上是在表達力、效率與泛化能力之間做平衡。
W4 重點在理解神經網路如何學習：先經前向傳播得到預測，再用 loss 衡量誤差，接著透過反向傳播與鏈鎖律計算各層梯度，最後以梯度下降更新參數。需熟悉 MSE、Cross-Entropy、learning rate、batch/SGD/mini-batch 差異，以及梯度消失與 ReLU 的作用。
一句話主線：
W3 的核心，就是先搞懂神經網路最基本的骨架 MLP，並理解「為什麼一定要有啟動函數」；沒有非線性，再多層也只是線性模型。
1) 這週在學什麼？
本週主題是深度學習入門的第一塊核心：
什麼是 MLP（Multi-Layer Perceptron，多層感知器）
神經元如何做
在反向傳播中，每個權重的梯度都可寫成「上游傳回來的誤差信號 × 該權重所接收的輸入值」，也就是 ∂L/∂w = δx。這代表若某輸入在本次前向傳播中為 0，則該路徑上的權重梯度也會變成 0，不會被更新；而偏置項可視為乘上一個固定輸入 1，因此其梯度直接等於該節點收到的誤差信號。
模型ŷ=f(x;θ)先前向算ŷ與Loss，再用梯度∇θJ做GD更新θ←θ−η∇J。MSE下dL/dŷ=ŷ−y，線性ŷ=wᵀx+b則dL/dw=(ŷ−y)x。η過大震盪發散、過小收斂慢；Batch穩但慢、SGD快但抖、Mini-batch折衷。loss抖先查η與標準化/批量。
監督(有y)、非監督(找結構)、強化(互動回饋)。流程：切分→前處理→訓練→驗證調參→測試。分類靠混淆矩陣得Accuracy/Precision/Recall/F1，類別不平衡時Accuracy易失真。用Bias-Variance判過/欠擬合，採正則化/早停/增強；小資料用K-fold。
ML→DL→CNN/物件辨識→AE&GAN→NLP/Transformer→語言模型實作為主線，培養模型訓練與應用能力。評量：期中50%、期末報告50%。期中必背：資料切分與指標、過擬合與正則化、MLP/啟動函數、損失函數、梯度下降與反向傳播、CNN 卷積/池化與輸出尺寸、Softmax/交叉熵。
W1–W7 真正要你建立的，是一條完整的 AI 模型思維：先理解資料、任務與評估方式，再知道神經網路如何透過前向傳播、loss、反向傳播與梯度下降學習；接著進一步理解全連接網路如何設計、CNN 為何適合影像，以及物件辨識如何把分類延伸到定位與多物件偵測。
W7 重點在物件辨識：模型不只要判斷圖中是什麼，還要找出物件位置，因此結合分類與定位。評估常用 IoU、Precision、Recall、mAP；模型則分 two-stage 與 one-stage，並搭配 anchor box、NMS、backbone 完成偵測流程。
W6 的真正重點，是理解 CNN 不只是「另一種網路」，而是專門為影像資料設計的架構：它透過卷積核在局部區域滑動來擷取特徵，再配合 ReLU 與 pooling 逐步萃取和壓縮資訊，最後交給全連接層做分類；相較於 MLP，CNN 更能保留影像的空間結構，且用更少參數學到更有效的表示。
W5 的核心不是只會畫出一個 MLP，而是要理解全連接層設計背後的邏輯：每一層的輸入輸出維度決定了權重矩陣大小，進而決定參數量、訓練成本與模型容量；層數與神經元數增加通常能提升表達能力，但也可能帶來過擬合與訓練困難，因此網路設計本質上是在表達力、效率與泛化能力之間做平衡。
W4 重點在理解神經網路如何學習：先經前向傳播得到預測，再用 loss 衡量誤差，接著透過反向傳播與鏈鎖律計算各層梯度，最後以梯度下降更新參數。需熟悉 MSE、Cross-Entropy、learning rate、batch/SGD/mini-batch 差異，以及梯度消失與 ReLU 的作用。
一句話主線：
W3 的核心，就是先搞懂神經網路最基本的骨架 MLP，並理解「為什麼一定要有啟動函數」；沒有非線性，再多層也只是線性模型。
1) 這週在學什麼？
本週主題是深度學習入門的第一塊核心：
什麼是 MLP（Multi-Layer Perceptron，多層感知器）
神經元如何做
在反向傳播中，每個權重的梯度都可寫成「上游傳回來的誤差信號 × 該權重所接收的輸入值」，也就是 ∂L/∂w = δx。這代表若某輸入在本次前向傳播中為 0，則該路徑上的權重梯度也會變成 0，不會被更新；而偏置項可視為乘上一個固定輸入 1，因此其梯度直接等於該節點收到的誤差信號。
模型ŷ=f(x;θ)先前向算ŷ與Loss，再用梯度∇θJ做GD更新θ←θ−η∇J。MSE下dL/dŷ=ŷ−y，線性ŷ=wᵀx+b則dL/dw=(ŷ−y)x。η過大震盪發散、過小收斂慢；Batch穩但慢、SGD快但抖、Mini-batch折衷。loss抖先查η與標準化/批量。
監督(有y)、非監督(找結構)、強化(互動回饋)。流程：切分→前處理→訓練→驗證調參→測試。分類靠混淆矩陣得Accuracy/Precision/Recall/F1，類別不平衡時Accuracy易失真。用Bias-Variance判過/欠擬合，採正則化/早停/增強；小資料用K-fold。
ML→DL→CNN/物件辨識→AE&GAN→NLP/Transformer→語言模型實作為主線，培養模型訓練與應用能力。評量：期中50%、期末報告50%。期中必背：資料切分與指標、過擬合與正則化、MLP/啟動函數、損失函數、梯度下降與反向傳播、CNN 卷積/池化與輸出尺寸、Softmax/交叉熵。
Week 4 重點是把 NumPy 從建立陣列進一步提升到真正的資料處理工具，熟悉 indexing、slicing、broadcasting、聚合函數、條件篩選與矩陣乘法。高分關鍵在於用向量化思維整批運算，並避免 axis 搞反、* 與 @ 混淆及布林條件寫錯。
期中考重點在於把 Python 進階內容整理成固定模板。要熟悉函式、list、dict、string、排序、搜尋、遞迴、檔案處理與綜合題拆解。高分關鍵不是重背語法，而是看到題目能快速分類、選對資料結構與處理流程，並避開型別、索引、排序與回傳值錯誤。
Week 7 的核心，是把 Python 進階語法真正轉成「期中考可上場的解題能力」，重點放在綜合題拆解、函式整合、資料處理流程、除錯觀念與可重用模板。
Week 6 最適合做的，不是再學一堆新東西，而是回頭把前面這些主題徹底收斂：
函式 function
list / dict / string
例外處理
檔案處理
模組化
遞迴
排序 sorting
搜尋 searching
資料整理與統計
list comprehension
Week 5 的核心，是把 Python 進一步用在常見解題流程上，重點放在排序、搜尋、進階資料處理與演算法入門模板，讓你看到題目就能快速選方法。
Week 4 重點是把 Python 從基本語法提升到結構化應用，掌握檔案處理、模組化、遞迴、進階函式與多層資料結構。高分關鍵在於會拆解題目、選對模板，並避開讀檔型別錯誤、遞迴無限呼叫、索引混亂與模組使用失誤。
Week 3 的核心，是把前兩週學過的 Python 基本語法，進一步整合成「可重用、可讀、可除錯」的程式結構，重點放在函式、資料結構、字串處理、例外處理與常見題型模板。
以 Merge Strings Alternately 為例，說明如何將兩個字串從 word1 開始依序交替合併，若其中一方先用完，再補上另一方剩餘部分；並透過範例、for 與 while 寫法、常見錯誤與可交作業版本，完整練習 Python 的字串、索引、切片、迴圈與函式。
在反向傳播中，每個權重的梯度都可寫成「上游傳回來的誤差信號 × 該權重所接收的輸入值」，也就是 ∂L/∂w = δx。這代表若某輸入在本次前向傳播中為 0，則該路徑上的權重梯度也會變成 0，不會被更新；而偏置項可視為乘上一個固定輸入 1，因此其梯度直接等於該節點收到的誤差信號。
LEGB 作用域、可變物件的 side effect 與淺/深拷貝；熟練字串與多行資料解析、try/except/else/finally 與 raise；會用推導式/生成器與排序 key（含多鍵、逆序）；理解複雜度，優先用 dict/set 做 O(1) 查找，並用 with 完成檔案 I/O。
Week 4 重點是把 NumPy 從建立陣列進一步提升到真正的資料處理工具，熟悉 indexing、slicing、broadcasting、聚合函數、條件篩選與矩陣乘法。高分關鍵在於用向量化思維整批運算，並避免 axis 搞反、* 與 @ 混淆及布林條件寫錯。
期中考重點在於把 Python 進階內容整理成固定模板。要熟悉函式、list、dict、string、排序、搜尋、遞迴、檔案處理與綜合題拆解。高分關鍵不是重背語法，而是看到題目能快速分類、選對資料結構與處理流程，並避開型別、索引、排序與回傳值錯誤。
Week 7 的核心，是把 Python 進階語法真正轉成「期中考可上場的解題能力」，重點放在綜合題拆解、函式整合、資料處理流程、除錯觀念與可重用模板。
Week 6 最適合做的，不是再學一堆新東西，而是回頭把前面這些主題徹底收斂：
函式 function
list / dict / string
例外處理
檔案處理
模組化
遞迴
排序 sorting
搜尋 searching
資料整理與統計
list comprehension
Week 5 的核心，是把 Python 進一步用在常見解題流程上，重點放在排序、搜尋、進階資料處理與演算法入門模板，讓你看到題目就能快速選方法。
Week 4 重點是把 Python 從基本語法提升到結構化應用，掌握檔案處理、模組化、遞迴、進階函式與多層資料結構。高分關鍵在於會拆解題目、選對模板，並避開讀檔型別錯誤、遞迴無限呼叫、索引混亂與模組使用失誤。
Week 3 的核心，是把前兩週學過的 Python 基本語法，進一步整合成「可重用、可讀、可除錯」的程式結構，重點放在函式、資料結構、字串處理、例外處理與常見題型模板。
以 Merge Strings Alternately 為例，說明如何將兩個字串從 word1 開始依序交替合併，若其中一方先用完，再補上另一方剩餘部分；並透過範例、for 與 while 寫法、常見錯誤與可交作業版本，完整練習 Python 的字串、索引、切片、迴圈與函式。
在反向傳播中，每個權重的梯度都可寫成「上游傳回來的誤差信號 × 該權重所接收的輸入值」，也就是 ∂L/∂w = δx。這代表若某輸入在本次前向傳播中為 0，則該路徑上的權重梯度也會變成 0，不會被更新；而偏置項可視為乘上一個固定輸入 1，因此其梯度直接等於該節點收到的誤差信號。
LEGB 作用域、可變物件的 side effect 與淺/深拷貝；熟練字串與多行資料解析、try/except/else/finally 與 raise；會用推導式/生成器與排序 key（含多鍵、逆序）；理解複雜度，優先用 dict/set 做 O(1) 查找，並用 with 完成檔案 I/O。
