數學不只存在於課本與考卷中。從影像辨識、 精密設備到 AI 應用，數學思維正參與解決 真實世界的產業問題。 東海大學智慧計算暨應用數學系邀請系友 謝孔軒返校，分享從校園走入職場的探索歷程， 帶領同學看見數學專業的多元可能。
謝孔軒系友在講座中回顧自己的職涯歷程， 談到曾接觸資訊產品銷售與第一線使用者需求， 也曾投入與機械設備相關的工作， 逐步累積對產業現場、設備運作及客戶問題的理解。 不同工作帶來的經驗， 成為他認識科技產業的養分。
他也坦言，學生時期曾思考 「數學系畢業後究竟能做什麼？」 這份對未來的探索， 對正在選擇科系的高中生及大學生而言並不陌生。 從他的經驗可以看見， 職涯未必在畢業時就定型， 而是在學習、嘗試與解決問題的過程中 逐漸形成方向。
講座以自動光學檢測 （Automated Optical Inspection，AOI） 為實務案例，說明科技產業如何運用相機、 光源、影像處理及判斷方法， 檢查產品是否符合品質要求。 從印刷電路板到其他製造流程， 檢測不只是「拍一張照片」， 更需要將影像轉換成可分析的資訊， 進一步辨識差異與異常。
相較於完全依賴人工目視， 導入自動化檢測有助於提升判斷標準的一致性、 檢測效率與資料追溯能力。 這些產業問題， 也是數學與工程技術能共同發揮作用的地方。
透過光源、鏡頭及影像處理取得可用的 檢測資訊，連結幾何、光學與數學分析。
精密設備的定位、移動與旋轉， 需要理解座標轉換、運動軌跡及誤差。
設備運作涉及控制、速度與穩定性， 讓抽象的計算轉化為可執行的動作。
運用程式、影像分析與資料模型協助判斷， 讓檢測流程更有效率。
AI 工具愈來愈普及， 但真正理解問題、選擇方法、檢驗結果， 仍需要扎實的基礎能力。 講座將微積分、線性代數與機率統計等 大學數學知識，連結到光學、機構、 控制與資料分析的實際情境， 讓學生重新看見課堂所學的用途。
善用 AI 工具，但不要把思考全部交給 AI； 比起只得到答案，更重要的是理解問題、 方法與推理過程。
數學訓練不只為了計算， 更在於培養抽象思考、邏輯推理、 建立模型及分析問題的能力。 當產業工具不斷更新， 這些基礎能力有助於持續學習新技術。
理解微積分、線性代數與機率統計的 核心概念，為跨領域學習建立基礎。
AI 可以協助工作， 但仍應理解運作原理、驗證結果， 不以工具取代思考。
從不同產業與工作經驗中認識自己的興趣， 練習把抽象知識應用到具體情境。
理解跨領域團隊如何合作， 培養溝通、分析與解決問題的能力。
前三項依講者演講結語整理； 第四項為本篇編輯延伸的職涯啟發。
透過本次系友分享， 可以看見數學知識與 AI、影像處理、 自動化設備、科技製造及資料分析之間的連結。 這些是數學背景可延伸探索的領域， 實際職務仍需搭配程式、工程、 產業知識與實作經驗。
選擇數學相關科系， 不只是學會解題， 更是學習如何拆解問題、分析資訊、 建立合理的解決方法。 這些能力能成為未來進一步跨入 不同產業的重要基礎。
東海大學智慧計算暨應用數學系持續透過 系友講座與產業交流， 讓學生接觸不同領域的真實經驗， 理解數學與科技、產業及生活的關聯。 歡迎對數學、AI 與跨領域應用有興趣的同學， 認識本系、探索更多學習與職涯可能。
%20(3000%20x%20590%20%E5%83%8F%E7%B4%A0)%20(1).png)