Course Syllabus

Course Information：

Year-Semester Course Number Course Name Phase Credits Hours Required/Elective Instructor Class Student NO. Withdraw Note

Fall Semester
Year 2025 352019 Artificial Intelligence 1 3.0 3 ★ LIN, CHENG-CHUAN 4ME3A
4ME3B 73 1 機械三合開；限60人

Year-Semester	Course Number	Course Name	Phase	Credits	Hours	Required/Elective	Instructor	Class	Student NO.	Withdraw	Note
Fall Semester Year 2025	352019	Artificial Intelligence	1	3.0	3	★	LIN, CHENG-CHUAN	4ME3A 4ME3B	73	1	機械三合開；限60人

Course Plan：

Instructor LIN, CHENG-CHUAN　Office Hours

Email ccl@ntut.edu.tw

Last Updated 2025-05-26 22:00:59

Course Objective 人工智慧已在各個領域中影響人類生活，特別是在機器學習與深度學習技術的發展。本課程為人工智慧領域的入門課程，旨在提供學生關於機器學習與深度學習的基本概念，其中包含了資料處理、分類以及迴歸類演算法、強化學習、捲積神經網路、遞迴神經網路、深度學習於影像辨識的應用、自然語言處理以及生成式AI及其相關演算法介紹(例如:Transformer、生成對抗網路模型等)。課程亦提供Python程式，並運用實例進行實作練習，如:紅酒品質分類、房價預測、鐵道領域之軌道檢測等等。透過理論以及實作的訓練，本課程最終目標則是希望學生能夠將人工智慧技術應用在當前的工程以及工業問題中。

Course Schedule 週次單元主題 1. 人工智慧介紹 2. Python程式語言基本介紹 3-4. 機器學習基本概念 5-6. 分類(classification)模型演算法 7-8. 迴歸(regression)模型演算法 9. 期中考 10-14. 深度學習介紹與應用(含實作競賽) 15-16. 自然語言處理與生成式AI 17. 期末考 18. 期末實作發表

Evaluation and grading policy 作業(含課堂參與): 10% 期中測驗(筆試，概念題): 30% 期末測驗(筆試，概念題): 30% 期末分組競賽成績(含書面報告): 30%

Materials All right reserved. Do not reproduce without permission.

Foreign-language textbooks:No
自編教材，以投影片方式授課。

The access to curricular consultation 學生可利用office hours或使用email(ccl@ntut.edu.tw)聯繫討論。

Expanding teaching and resources

The course corresponds to the SDGs SDG4：優質教育（Quality Education）
SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）

Does the course incorporate AI ● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools）
● 簡單介紹AI的基本概念（Briefly introduce the basic concept of AI）
● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）

Note
本課程以AI之理論概念為主，若無Python基礎之學生亦可修習。

Instructor	LIN, CHENG-CHUAN　Office Hours
Email	ccl@ntut.edu.tw
Last Updated	2025-05-26 22:00:59
Course Objective	人工智慧已在各個領域中影響人類生活，特別是在機器學習與深度學習技術的發展。本課程為人工智慧領域的入門課程，旨在提供學生關於機器學習與深度學習的基本概念，其中包含了資料處理、分類以及迴歸類演算法、強化學習、捲積神經網路、遞迴神經網路、深度學習於影像辨識的應用、自然語言處理以及生成式AI及其相關演算法介紹(例如:Transformer、生成對抗網路模型等)。課程亦提供Python程式，並運用實例進行實作練習，如:紅酒品質分類、房價預測、鐵道領域之軌道檢測等等。透過理論以及實作的訓練，本課程最終目標則是希望學生能夠將人工智慧技術應用在當前的工程以及工業問題中。
Course Schedule	週次單元主題 1. 人工智慧介紹 2. Python程式語言基本介紹 3-4. 機器學習基本概念 5-6. 分類(classification)模型演算法 7-8. 迴歸(regression)模型演算法 9. 期中考 10-14. 深度學習介紹與應用(含實作競賽) 15-16. 自然語言處理與生成式AI 17. 期末考 18. 期末實作發表
Evaluation and grading policy	作業(含課堂參與): 10% 期中測驗(筆試，概念題): 30% 期末測驗(筆試，概念題): 30% 期末分組競賽成績(含書面報告): 30%
Materials	All right reserved. Do not reproduce without permission. Foreign-language textbooks:No 自編教材，以投影片方式授課。
The access to curricular consultation	學生可利用office hours或使用email(ccl@ntut.edu.tw)聯繫討論。
Expanding teaching and resources
The course corresponds to the SDGs	SDG4：優質教育（Quality Education） SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）
Does the course incorporate AI	● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools） ● 簡單介紹AI的基本概念（Briefly introduce the basic concept of AI） ● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）
Note	本課程以AI之理論概念為主，若無Python基礎之學生亦可修習。