查詢教學大綱與進度

教學大綱與進度

課程基本資料：

學年期課號課程名稱階段學分時數修教師班級人撤備註

114-2 360359 應用人工智慧於教育專題製作 1 3.0 3 ★ 王正豪
程聖倫
劉傳銘校院級課程(大) 31 0 總整課程

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
114-2	360359	應用人工智慧於教育專題製作	1	3.0	3	★	王正豪程聖倫劉傳銘	校院級課程(大)	31	0	總整課程

教學大綱與進度：

教師姓名劉傳銘　教師諮商時間(Office Hours)

Email cmliu@ntut.edu.tw

最後更新時間 2025-12-31 10:27:36

課程大綱本課程主要透過人工智慧相關技術主題的介紹與業界實例之分享，包括: 知識表達、機器學習、深度學習等，並實際運用機器學習工具如: TensorFlow、Keras、PyTorch等，並整合校務研究資料於專題課程，參與校務分析研究：考量資安的個資議題，擬將校內部份去識別化後之資料，經過編碼變造處理後於課堂使用，以教育相關大數據進行專題實作與分析。透過分組討論以及專題實作競賽，讓學生實際應用人工智慧工具與方法於教育資料分析。 The goal of this course is to introduce the technical topics and share industrial examples related to artificial intelligence, including: knowledge representation, machine learning, and deep learning. The students are required to utilize machine learning tools such as: TensorFlow, Keras, and PyTorch, to participate in the institutional repository research and analysis of related data in term projects. In consideration of privacy issues of personal information, the data will go through de-identification process for the usage purpose of educational big data analytics in term projects. With group discussions and project competition, students will be able to apply artificial intelligence tools and methods in educational data anlaysis.

課程進度
(1-16週) 1. 課程簡介 (Course Overview) 2. 人工智慧概論: 基本觀念與工具 (Introduction to Artificial Intelligence: Basics and Tools) 3. 知識表達 (Knowledge Representation) 4. 案例探討: 開放教育資料之知識表達 (Case Study: Knowledge Representation for Educational Open Data) 5. 機器學習簡介 (Introduction to Machine Learning) 6. 監督式學習簡介 (Supervised Learning) 7. 案例探討: 監督式學習 (Case Study: Supervised Learning) 8. 邀請演講: 機器學習應用 (Invited Talk: Applications of Machine Learning) 9. 非監督式學習簡介 (Unsupervised Learning) 10. 案例探討: 非監督式學習 (Case Study: Unsupervised Learning) 11. 企業參訪 (Visits to Industry) 12. 深度學習簡介 (Introduction to Deep Learning) 13. 案例探討: 深度學習 (Case Study: Deep Learning) 14. 視覺化呈現與分析結果解讀 (Visualization and Result Interpretation) 15-18. 期末專題分組報告 (Project Presentation)

評量方式與標準 1. 課堂討論參與與出席: 30% 2. 分組討論與報告: 20% 3. 成果展覽與專題展示: 50%

使用教材、參考書目或其他 【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】

使用外文原文書：是
1. Textbook: Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, 4th ed., Pearson, 2020. 2. datasets: 國內外教育相關開放資料，包括: Kaggle[12]、教育雲eduLRS學習行為資料庫[1]、國家教育研究資料庫[6]等.

課程諮詢管道 1. 北科i學園、教師 e-mail、課程網頁、以及Microsoft Teams。
2. 助教將會協助建立 Facebook 群組。

延伸教學與資源

課程對應SDGs指標 SDG3：良好健康和福祉（Good Health and Well-being）
SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）

課程是否導入AI ● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools）

備註因應疫情發展，本學期教學及授課方式請依照學校網頁所公布之訊息為準： (https://oaa.ntut.edu.tw/p/404-1008-98622.php?Lang=zh-tw) Please note that all the classes in the last two weeks of this semester will be on-line classes schoolwide. So, the classes on 6/11 and 6/18 will be on-line using MS Teams.

教師姓名	劉傳銘　教師諮商時間(Office Hours)
Email	cmliu@ntut.edu.tw
最後更新時間	2025-12-31 10:27:36
課程大綱	本課程主要透過人工智慧相關技術主題的介紹與業界實例之分享，包括: 知識表達、機器學習、深度學習等，並實際運用機器學習工具如: TensorFlow、Keras、PyTorch等，並整合校務研究資料於專題課程，參與校務分析研究：考量資安的個資議題，擬將校內部份去識別化後之資料，經過編碼變造處理後於課堂使用，以教育相關大數據進行專題實作與分析。透過分組討論以及專題實作競賽，讓學生實際應用人工智慧工具與方法於教育資料分析。 The goal of this course is to introduce the technical topics and share industrial examples related to artificial intelligence, including: knowledge representation, machine learning, and deep learning. The students are required to utilize machine learning tools such as: TensorFlow, Keras, and PyTorch, to participate in the institutional repository research and analysis of related data in term projects. In consideration of privacy issues of personal information, the data will go through de-identification process for the usage purpose of educational big data analytics in term projects. With group discussions and project competition, students will be able to apply artificial intelligence tools and methods in educational data anlaysis.
課程進度 (1-16週)	1. 課程簡介 (Course Overview) 2. 人工智慧概論: 基本觀念與工具 (Introduction to Artificial Intelligence: Basics and Tools) 3. 知識表達 (Knowledge Representation) 4. 案例探討: 開放教育資料之知識表達 (Case Study: Knowledge Representation for Educational Open Data) 5. 機器學習簡介 (Introduction to Machine Learning) 6. 監督式學習簡介 (Supervised Learning) 7. 案例探討: 監督式學習 (Case Study: Supervised Learning) 8. 邀請演講: 機器學習應用 (Invited Talk: Applications of Machine Learning) 9. 非監督式學習簡介 (Unsupervised Learning) 10. 案例探討: 非監督式學習 (Case Study: Unsupervised Learning) 11. 企業參訪 (Visits to Industry) 12. 深度學習簡介 (Introduction to Deep Learning) 13. 案例探討: 深度學習 (Case Study: Deep Learning) 14. 視覺化呈現與分析結果解讀 (Visualization and Result Interpretation) 15-18. 期末專題分組報告 (Project Presentation)
評量方式與標準	1. 課堂討論參與與出席: 30% 2. 分組討論與報告: 20% 3. 成果展覽與專題展示: 50%
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】使用外文原文書：是 1. Textbook: Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, 4th ed., Pearson, 2020. 2. datasets: 國內外教育相關開放資料，包括: Kaggle[12]、教育雲eduLRS學習行為資料庫[1]、國家教育研究資料庫[6]等.
課程諮詢管道	1. 北科i學園、教師 e-mail、課程網頁、以及Microsoft Teams。 2. 助教將會協助建立 Facebook 群組。
延伸教學與資源
課程對應SDGs指標	SDG3：良好健康和福祉（Good Health and Well-being） SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）
課程是否導入AI	● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools）
備註	因應疫情發展，本學期教學及授課方式請依照學校網頁所公布之訊息為準： (https://oaa.ntut.edu.tw/p/404-1008-98622.php?Lang=zh-tw) Please note that all the classes in the last two weeks of this semester will be on-line classes schoolwide. So, the classes on 6/11 and 6/18 will be on-line using MS Teams.