| 課程代碼 |
1ND02Y01
|
| 課程中文名稱 |
人工智慧概論
|
| 課程英文名稱 |
Introduction to Artificial Intelligence
|
| 學分數 |
3.0
|
| 必選修 |
自選必修
|
| 開課班級 |
自然科學領域
|
| 任課教師 |
林泓宏
|
| 上課教室(時間) |
|
週五
|
第7節
|
(W0502)
|
|
週五
|
第8節
|
(W0502)
|
|
週五
|
第9節
|
(W0502)
|
|
| 課程時數 |
3
|
| 實習時數 |
0
|
| 授課語言 |
1.華語
|
| 輔導考證 |
無
|
| 課程概述 |
人工智慧浪潮席捲而來，各行各業均受到衝擊。人工智慧技術希望讓電腦能像人一樣，具備學習、思考、推論與解決問題等人類獨有的智力表現能力，同時能夠以人類所使用的自然語言或行為來與人類溝通。本課程將簡述人工智慧理論與技術的發展歷程，同時以應用範例來闡述對於產業與就業可能帶來的影響。
|
| 先修科目或預備能力 |
|
|
課程學習目標與核心能力之對應
|
| 編號 | 中文課程學習目標 | 英文課程學習目標 | 對應系指標 |
|
1
|
瞭解人工智慧應用範疇與發展歷史
|
|
1 基本知能
|
|
2
|
瞭解人工智慧基礎理論與應用
|
|
2 資訊能力
|
|
3
|
熟悉人工智慧開發工具
|
|
4 實務技能
|
|
4
|
應用人工智慧解決專業問題
|
|
5 整合創新
|
|
| 就業力培養目標 |
| |
校指標 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
| |
專業知識 |
實務技能 |
資訊能力 |
整合創新 |
外語能力 |
熱誠抗壓 |
表達溝通 |
敬業合群 |
人文素養 |
服務關懷 |
| |
30% |
30% |
20% |
20% |
0% |
0% |
0% |
0% |
0% |
0% |
| |
系指標 |
1 |
4 |
2 |
5 |
3 |
6 |
7 |
8 |
9 |
10 |
| |
基本知能 |
實務技能 |
資訊能力 |
整合創新 |
本土與國際意識 |
熱誠抗壓 |
表達溝通 |
敬業合群 |
人文與倫理素養 |
服務關懷 |
| |
30% |
30% |
20% |
20% |
0% |
0% |
0% |
0% |
0% |
0% |
|
| 中文課程大綱 |
人工智慧應用範例
人工智慧發展歷史
專家系統與模糊理論
機器學習概論
類神經網路與深度學習技術
應用人工智慧技術於圖訊識別問題
|
| 英/日文課程大綱 |
Applications of artificial intelligence
Brief history of artificial intelligence
Expert system and fuzzy theory
Introduction to machine learning
The neural networks and deep learning technology
The application of artificial intelligence in pattern recognition
|
| 課程進度表 |
*. AI History and Terminologies (x3; 放假1週; 3w)
__. AI Black Boxes as Functions
__. Output/功用：Classification / regression / detection / recognition / prediction / actuation / decision
__. Tic-Tac-Toe & Game
__. 問卷
*. Computational Thinking (x2; 5w)
__. Scratch 程式練習
__. Scratch 計算模組製作
__. Scratch 互動遊戲製作
*. Introduction of Python (x2; 7w)
__. Installation & Basics
__. SciKit Learn
*. Basic Calculations for AI (x3; 10w)
__. Perceptron - Scratch
__. Convolution - Python
__. Neural Network & Back-Propagation - Python or Excel
*. Google GCP AutoML (x2; 12w)
__. AutoML Introduction & Practice
__. Discussion of Applications
*. [Supervised] Classification (x3; 15w)
__. SVMs / Boosting
__. Neural Networks - BPNN
__. Bayes Network / Likelihood Estimation
__. Deep CNN
*. [Supervised/Unsupervised] Regression / Density Estimation (x2; 17w)
__. Regression / GMM
__. Density Estimation
__. Applications
*. [Unsupervised] Clustering (x2; 19w)
__. k-means Clustering
__. Applications
*. [Semi-Supervised] Reinforcement Learning (x2; 21w)
__. Q-Learning
__. Applications
*. AI Bias (x1; 22w)
__. TED talk & AI Bias Discussion
*. AI Economics / AI Applications & Related Issues (x2; 24w)
__. AI for Business (https://aiel.nchc.org.tw/ceo.aspx) (https://www.udemy.com/ai-for-business/)
__. 語音 / 自然語言 / 影像視覺 / 工業應用 / 商業應用
*. Evaluation metrics
__. TP/TN/FP/FN; Confusion Matrix; Sensitivity/Specificity/Precision/Recall/Accuracy; IoU; ROC Curves
*. Midterm Exam (x1; 25w)
__. 期中考：可能為「紙本（計算、問答）考試」或「AI主題報告撰寫與展示」
*. Final Exam (x1; 26w)
__. 期末專題報告、成果展示 & 海報
|
| 課程融入SDGs |
|
| 期考調查 |
| 期中考(第9週)考試方式 |
「紙本（計算、問答）考試」或「AI主題報告撰寫與展示」
|
| 期末考(第18週)考試方式 |
期末專題報告、成果展示 & 海報
|
| 其他週考試考試週次與方式 |
(None)
|
|
| 教學方式與評量方式 |
| 課程學習目標 | 教學方式 | 評量方式 |
| 瞭解人工智慧應用範疇與發展歷史 |
課堂講授
|
日常表現
（
平時
）
|
| 瞭解人工智慧基礎理論與應用 |
課堂講授
|
口頭報告
（
期中
）
|
| 熟悉人工智慧開發工具 |
實作演練
|
實作
（
平時
）
|
| 應用人工智慧解決專業問題 |
分組討論
|
書面報告
（
期末
）
|
|
| 指定用書 |
| 書名 |
|
| 作者 |
|
| 書局 |
|
| 年份 |
|
| 國際標準書號(ISBN) |
|
| 版本 |
|
請同學尊重智慧財產權，使用正版教科書，不得非法影印，以免觸犯智慧財產權相關法令
。 |
| 參考書籍 |
人工智慧導論, 鴻海教育基金會, 全華圖書, 2019.
https://ai.foxconn.com/textbook/interactive/
https://www.books.com.tw/products/0010826415
https://hackernoon.com/learning-ai-if-you-suck-at-math-8bdfb4b79037
https://www.udemy.com/ai-for-business/
https://aiel.nchc.org.tw/ceo.aspx
|
| 教學軟體 |
Scratch / Python / Google GCP AutoML
|
| 課程規範 |
*. 需要寫程式：Scratch / Python Scikit-learn / Google AutoML
*. 歡迎帶筆電來上課
*. 以分組討論、專題製作形式為主
*. 課程有數學理論介紹，需要具備基本微積分概念
*. 相關評分，多採用同儕互評
|