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

114-1 357743 圖形識別 1 3.0 3 ★ 張陽郎
謝東儒 AI雙聯專班 10 0 碩二修, 9/13.20.27,11/15.22,12/6

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
114-1	357743	圖形識別	1	3.0	3	★	張陽郎謝東儒	AI雙聯專班	10	0	碩二修, 9/13.20.27,11/15.22,12/6

教學大綱與進度：

教師姓名謝東儒　教師諮商時間(Office Hours)

Email tjhsieh@ntut.edu.tw

最後更新時間 2025-09-01 13:14:13

課程大綱本課程介紹電腦科學中圖形識別的基本原理與相關技術，使學生了解各種圖形識別的分類方法，經由對分類問題的分析，瞭解如何將輸入樣本依不同特性加以分類，並熟悉圖形識別系統之相關議題如：分割、特徵擷取、分類、後處理、訓練、監督/非監督式學習、機器學習，進而了解分類問題，增進其解決實際圖形識別分類問題的能力。課程內容包括下列課題：圖形識別概論, Bayesian Decision Theory, Maximum-Likelihood, 非參數法學習, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Positive Boolean Function多分類器, Linear Discriminant Functions，高維資料分類, 分類正確率評估(Accuracy Assessments)及其他重要的應用，例如: 文件分析、生物辨識、影像監控、遙測影像分類、醫療診斷、資料探勘等概念，最後並透過相關論文的研讀及討論，了解近代圖形識別的最新發展趨勢。 The course includes: Introduction to Pattern Recognition, Bayesian Decision Theory, Maximum-Likelihood & Bayesian Parameter Estimation, Non-Parametric Classification - Density Estimation, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Multi-Classifier - Positive Boolean Function, Linear Discriminant Functions, Pattern Recognition of High Dimensional Data Sets, Pattern Recognition for Remote Sensing Images, Biometric Certification, Video Surveillance, Accuracy Assessments and Other Related Topics.

課程進度 • Introduction to Pattern Recognition, • Bayesian Decision Theory, • Maximum-Likelihood & Bayesian Parameter Estimation, • Non-Parametric Classification - Density Estimation, • K-Nearest Neighbor Estimation, • The Nearest-Neighbor Rule, • Multi-Classifier - Positive Boolean Function, • Linear Discriminant Functions, • Pattern Recognition of High Dimensional Data Sets, • Pattern Recognition for Remote Sensing Images, • Biometric Certification, • Video Surveillance, • Accuracy Assessments and Other Related Topics.

評量方式與標準 Programming Assignment

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：否
handout

課程諮詢管道【電子郵件聯繫】https://csie.ntut.edu.tw

延伸教學與資源

課程對應SDGs指標 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）
● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）

備註

教師姓名	謝東儒　教師諮商時間(Office Hours)
Email	tjhsieh@ntut.edu.tw
最後更新時間	2025-09-01 13:14:13
課程大綱	本課程介紹電腦科學中圖形識別的基本原理與相關技術，使學生了解各種圖形識別的分類方法，經由對分類問題的分析，瞭解如何將輸入樣本依不同特性加以分類，並熟悉圖形識別系統之相關議題如：分割、特徵擷取、分類、後處理、訓練、監督/非監督式學習、機器學習，進而了解分類問題，增進其解決實際圖形識別分類問題的能力。課程內容包括下列課題：圖形識別概論, Bayesian Decision Theory, Maximum-Likelihood, 非參數法學習, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Positive Boolean Function多分類器, Linear Discriminant Functions，高維資料分類, 分類正確率評估(Accuracy Assessments)及其他重要的應用，例如: 文件分析、生物辨識、影像監控、遙測影像分類、醫療診斷、資料探勘等概念，最後並透過相關論文的研讀及討論，了解近代圖形識別的最新發展趨勢。 The course includes: Introduction to Pattern Recognition, Bayesian Decision Theory, Maximum-Likelihood & Bayesian Parameter Estimation, Non-Parametric Classification - Density Estimation, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Multi-Classifier - Positive Boolean Function, Linear Discriminant Functions, Pattern Recognition of High Dimensional Data Sets, Pattern Recognition for Remote Sensing Images, Biometric Certification, Video Surveillance, Accuracy Assessments and Other Related Topics.
課程進度	• Introduction to Pattern Recognition, • Bayesian Decision Theory, • Maximum-Likelihood & Bayesian Parameter Estimation, • Non-Parametric Classification - Density Estimation, • K-Nearest Neighbor Estimation, • The Nearest-Neighbor Rule, • Multi-Classifier - Positive Boolean Function, • Linear Discriminant Functions, • Pattern Recognition of High Dimensional Data Sets, • Pattern Recognition for Remote Sensing Images, • Biometric Certification, • Video Surveillance, • Accuracy Assessments and Other Related Topics.
評量方式與標準	Programming Assignment
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：否 handout
課程諮詢管道	【電子郵件聯繫】https://csie.ntut.edu.tw
延伸教學與資源
課程對應SDGs指標	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） ● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）
備註