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
113-1	338709	人工智慧的基礎與創新(一)	1	3.0	3	★	陸一平 陸元平	製科所	39	2	新聘兼任(陸一平老師)

教學大綱與進度：

教師姓名	陸一平
Email	luhyih19@gmail.com
最後更新時間	2024-07-23 10:40:10
課程大綱	本課程深入探討人工智慧領域的基礎知識和最新技術，包括機器學習、深度學習、自然語言處理、生成對抗網絡等領域。學員將從人工智慧的概述和歷史開始，逐步深入了解機器學習和深度學習的基礎概念和演算法，並探討其在不同領域的應用。課程還介紹了最新的AI技術趨勢，包括注意力機制、自監督學習、大型AI通用模型和元學習等。 課程運作模式：每週講授一個主題，包括理論授課和實習操作。學員將參與課堂討論和小組活動，以促進想法交流和知識分享。 This course delves into the fundamentals and latest advancements in the field of artificial intelligence, covering topics such as machine learning, deep learning, natural language processing, and generative adversarial networks. Participants will begin with an overview of artificial intelligence and its historical development, progressively delving into the foundational concepts and algorithms of machine learning and deep learning, along with their applications across various domains. The course also introduces the latest trends in AI technology, including attention mechanisms, self-supervised learning, large-scale AI models, and meta-learning. Course Execution: Each week covers a specific topic, including theoretical lectures and practical exercises. Participants will engage in classroom discussions and group activities to facilitate idea exchange and knowledge sharing.
課程進度 (1-16週)	課程進度謹供參考： 第一週 課程介紹 第二週 人工智慧概述與歷史回顧 第三週 機器學習基礎 第四週 深度學習基礎 第五週 卷積神經網絡（CNN） 第六週 循環神經網絡（RNN）與長短期記憶網絡（LSTM） 第七週 生成對抗網絡（GAN） 第八週 自然語言處理（NLP）基礎 第九週 期中研討 第十週 期中研討 第十一週 注意力機制與Transformer模型 第十二週 自監督學習與對比學習 第十三週 遷移學習與預訓練模型 第十四週 增強學習 第十五週 最新AI技術勢 第十六週 AI技術未來發展趨勢 第十七週 期末報告 第十八週 期末報告
評量方式與標準	平時作業成績：50% 出席：40% 期末報告：10% 課堂參與額外加分 翹課一次扣總成績10分、請假第二次開始扣總成績1分、遲到早退一次扣總成績1分、學期缺課次數過多將增加總扣分數、作弊一律以不及格論
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 使用自編教材
課程諮詢管道	綜科館711-2 分機2069
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） SDG11：永續城市與社區（Sustainable Cities and Communities）
課程是否導入AI
備註