課程專題組隊原則

每組 2~3 人 （建議3人一組，因為學期中可能有人停修或退選，3 人組即使少 1 人仍可繼續運作。2 人組若有人退出，剩下的同學會非常辛苦 .... ）
大學部（UG）與碩士班（MS）不混組。
碩士班同學若有相同指導老師，原則上分在同一組。
自己1人一組：特例，須自己帶題目，請跟老師做確認

組隊流程與時程

整個組隊分為四個階段：

階段	時間	內容
Phase 0	3/4~3/5	填寫組隊調查表（收集基本資料、目前組隊狀態、興趣技能）
Phase 1	3/6~3/8	自由配對期：尚未組好的同學可在媒合系統上瀏覽彼此資料，自行聯繫組隊
Phase 2	3/9–10	系統推薦期：系統根據興趣與技能推薦可能的組合，同學可自行決定是否接受
Phase 3	3/11	老師分配：仍未組隊的同學將由老師協助分組

3/11 課堂組員碰面

3/13 題目大方向公布

本課程的專題題目有兩種來源：

題目必須與系統軟體、作業系統、儲存系統相關。以下是本課程涵蓋的六大方向：

方向	涵蓋主題
Flash & SSD	NAND flash 特性、FTL、garbage collection、write amplification、SSD 效能分析
I/O Interfaces	Block I/O、DMA、NVMe、io_uring、kernel-bypass I/O (SPDK)
Indexing & Data Structures	B+Tree、LSM-Tree、Bloom filter、HNSW、product quantization
File Systems	Inode、journaling、copy-on-write、log-structured FS、ext4 internals
Reliability & Coding	Error coding、RAID、erasure coding、LDPC
Data Systems	Key-value store、buffer pool、columnar storage、data compression、model quantization

題目的核心精神是與作業系統或儲存系統有實質互動。以下舉例說明：

記憶體放不下的大型資料結構，需要設計 I/O 策略

比較不同 I/O 介面在特定 workload 下的 performance 或 energy efficiency

檔案系統或儲存引擎的行為分析、效能調校

Paging / virtual memory 機制的量測與優化

多個系統元件同時運行時的交互作用與 trade-off 分析

ML inference 在記憶體或儲存受限環境下的系統行為（例如 model quantization 對 I/O 與 memory 的影響）

CV / AI 演算法跑在特定系統環境下的行為觀察與 trade-off 分析

純 AI 模型訓練（只做 training / fine-tuning，沒有系統面的探討）

純 CV 演算法（只關心準確率，不涉及系統資源的互動）

純前端開發（做網站、App 等與系統軟體無關的工作）

與碩士論文完全重疊（可以是相關延伸，但專題成果必須有獨立貢獻）

簡單的判斷標準：你的專題是否需要理解或操作 OS / storage / memory 層級的行為？ 如果答案是「不需要」，那這個題目就不在本課程範圍內。