碩士畢業時長
2.74 年
中位數・平均 2.82 年・4 人（樣本太少）
全校 2.11 年
全校 2.11 年
收錄論文
4 篇
109–112 學年度
畢業時長只統計 碩士 100–111 學年度入學的學生：太近的入學年度還有同屆沒畢業，算進來會讓時長看起來偏短，詳見說明。下表與圖中灰色的論文不列入統計。
畢業時長趨勢
每學年度畢業人數
只計入有論文收錄的畢業生；中途休學或更換指導教授的學生不會出現在這裡。
研究關鍵字
機器學習Machine learning製程感知Process awareMOS Capacitor元件建模電路模擬Compact modelingCircuit simulationVerilog-ASPICE神經進化基因演算法神經架構搜索半導體製造科技電腦輔助設計NeuroevolutionGANASsemiconductor manufacturingTCAD金氧半場效電晶體金氧半電容元件MOSFET元件模型金氧半電容多任務學習Device modelMulti-task learning
點關鍵字可以找研究同一主題的其他教授（灰色的只出現過一次，不列入搜尋）。 想看最新的研究方向與計畫經費，也可以查政府研究計畫（GRB）。
指導論文
| 學年度 | 論文 | 學制 | 入學 | 提交日期 | 畢業時長 |
|---|---|---|---|---|---|
| 112 | Convergence of Machine Learning-Based Compact Model in Circuit Simulation 電子研究所・共同指導：林詩淳 元件建模、機器學習、電路模擬、Compact modeling、Machine learning、Circuit simulation、Verilog-A、SPICE | 碩士 | 109 | 2024-02-23 | 3.56 年 |
| 112 | Neuroevolution-Based Neural Architecture Optimization Applying to Semiconductor Manufacturing 電子研究所・共同指導：林詩淳 神經進化、基因演算法、神經架構搜索、半導體製造、科技電腦輔助設計、Neuroevolution、GA、NAS、semiconductor manufacturing、TCAD | 碩士 | 110 | 2023-11-08 | 2.27 年 |
| 110 | Semiconductor Devices are applied to integrated circuits based on Machine Learning Models 電子研究所・共同指導：林詩淳 機器學習、製程感知、金氧半場效電晶體、金氧半電容元件、Machine learning、Process aware、MOSFET、MOS Capacitor | 碩士 | 108 | 2021-10-27 | 2.24 年 |
| 109 | Process aware machine learning model of MOS capacitor by using Multi-task learning 電子研究所・共同指導：林詩淳 製程感知、機器學習、元件模型、金氧半電容、多任務學習、Process aware、Machine learning、Device model、MOS capacitor、Multi-task learning | 碩士 | 106 | 2020-10-18 | 3.21 年 |