本教材以「資料收集 → 建模 → 預測與最佳化」為單一主軸，將 AI/ML 深度導入 EDA 流程，培育跨域半導體人才，並以三個階層式實作 Lab 貫穿全課。Lab 1 以 ngspice 掃描 UMC018 NMOS 的 IV 特性，建立四維資料集並訓練 Random Forest、sklearn MLP 與 PyTorch 代理模型，輔以 log-scale 訓練解決電流跨數量級問題，達成 R² ≈ 0.99。Lab 2 升級至兩級 Miller 補償運算放大器，以 LHS 掃描設計參數、由 .measure 擷取增益、相位裕度與功耗，建立多目標代理模型，並以模擬退火完成逆向設計、回到 SPICE 實跑驗證。Lab 3 將參數化加法器由 RTL 經 Yosys 合成、OpenROAD 佈局繞線至 GDS 並完成 DRC/LVS，掃描 W × util × clk 產生 PPA 資料集，訓練梯度提升代理模型，結合 Pareto 分析與 LLM-in-the-loop 進行設計空間探索。全程於 NTUT Finfet IC Cloud 平台實作，採 ADFP (N16) 與 UMC018 製程。核心心法為「AI 是快速協作者，EDA 工具才是最終裁判」：學生須記錄失敗點與迭代軌跡、誠實回報預測與量測誤差，最後以自選電路完成期末專題。