※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：是
哪一學年度修課：106-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
詹魁元 教授
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
機械所 選修
δ 課程大概內容
Ch1 Optimization Process
Ch2 Surrogate Models
Ch3 Model Boundedness
Ch4 Interior Optima
Ch5 Boundary Optima
Ch6 Local Computation
Ch7 Nongradient Search
Ω 私心推薦指數(以五分計) ★★★★★
雖然是研究所的課，但本魯只是大學部肥宅，所以以下皆是以大學部角度：
有同學組隊一起挑戰：★★★★★
邊緣人自己挑戰：★
不排斥數學：★★★★★
η 上課用書(影印講義或是指定教科書)
" Principles of Optimal Design: Modeling and Computation" 3rd edtion
by P. Papalam
學期一開始有開團購，不強制購買但我個人覺得十分有用，非常推薦（電子檔
實在是不好找啊.......），據說老師本人也寫了這本書的一部分。
μ 上課方式(投影片、團體討論、老師教學風格)
投影片上課，輔以黑板畫圖講解，投影片內容為對應課本章節之重點整理（所
以詳細推導得回去唸課本）。
詹老師是非常具有舞台魅力的老師，本人非常具有親和力、貼近學生，上課時
的口才也非常好，會以非常淺顯易懂的說明與舉例將最佳化的數學“觀念”帶
給學生，所以上課時會覺得好像都融會貫通了，回家看課本時才發現不是這麼
回事XDD，不過我個人覺得一旦大觀念有了就更容易理解數學推導的邏輯與目的
，也因此認為老師的教學是滿有效的。
σ 評分方式(給分甜嗎？是紮實分？)
出席 20%
作業 30% 本學期共5份
期中考 20%
期末 Project 30%
口頭報告 10%
Team Proposal 5%
Inidividual Project Formulation 5%
書面報告 10%
分數應該算扎實偏甜吧，作業與報告的給分好像都不會很嚴苛，本魯期中97，
作業都有90以上，期末報告自認做得不是很好，最後A+，同組另外兩位大學部
的同學期中稍差一些，最後也都拿A+（也有可能是老師放水？）。
ρ 考題型式、作業方式
期中：
範圍 Ch1 ~ 5，共4個大題，兩大題觀念（是非&簡答），兩大題計算。
雖然老師秉持著「作業要難，考試要簡單」的信念，沒有要特別刁難學生的意思
，但期中考還是小難了一點XD，平均好像7X吧印象中。
作業：
作業就滿需要花時間了（至少大學部的我們啦TT），大致上每個章節對應到一份
作業，包含手算、推導、程式（以Matlab為主）等，一份作業大概會花個五六小
時以上吧。
Group Project：
一組約3~4人，每人要針對一個子系統找出問題並使用最佳化解決問題，同時各
個子系統要互相耦合，形成一母系統，並且針對耦合後的母系統作最佳化，探討
耦合時各子系統變數間關係、所需要作的trade-off等。
Group Project 是這門課最花時間的一份作業，大概也是大學部修課最大的阻力
吧(笑)，畢竟研究所都是整間實驗室結伴來修課，通常也都有已經深入研究的題
目可以直接拿來應用，大學部這方面就比較吃虧XD。我們後來選擇氣動車作為
Project 主題，但在建數學模型上也是吃盡了苦頭ˊˋ
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
Attendance 雖然佔了20%，但老師只有第一堂課點過名而已，也不知道重不重視
，不過老師會認人，上課也會隨機問問題就是。
外系選修應該只要有微積分的基礎就可以了，因為老師是把大家當作第一次接觸
最佳化這個領域在教學的，所以不用太擔心，大家都一樣崩潰(X
Ψ 總結
最佳化對機械系來說是個陌生但十分有趣且實用的工具，無論哪個組別、產品
研發的不同階段都有最佳化能夠發揮的空間，非常推薦學弟妹來修這門課，能
夠在詹老師淺顯易懂的教學下淺嚐最佳化這個領域我想是再好不過了。