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	349827	人工智慧的基礎與創新(一)	1	3.0	3	★	陸一平	製科所	44	0

教學大綱與進度：

教師姓名	陸一平
Email	luhyih19@gmail.com
最後更新時間	2025-09-05 19:59:14
課程大綱	本課程旨在全面介紹人工智慧（AI）的基礎知識與最新技術發展，涵蓋資料科學、機器學習、深度學習、自監督學習與自然語言處理等核心主題。學生將從 AI 的歷史與概念入門，逐步探索各種學習模型的理論基礎與實務應用，進而理解如注意力機制、生成對抗網絡（GAN）、大型語言模型（如 GPT）等前沿技術。 課程強調「理論與實作並重」，每週安排主題式教學，搭配實務操作與小組討論，以培養學生的問題解決能力、跨領域整合能力與實作經驗。學員將有機會使用如 Python 實作各類 AI 應用，並於課程末完成一項小組專題。 This course offers a comprehensive overview of the foundations and cutting-edge developments in Artificial Intelligence (AI), covering core topics such as data science, machine learning, deep learning, self-supervised learning, and natural language processing. Students will begin by learning the history and core concepts of AI, then progressively explore theoretical foundations and practical applications of various learning models, including advanced techniques such as attention mechanisms, generative adversarial networks (GANs), and large-scale language models like GPT. Designed with a strong balance of theory and hands-on practice, the course features weekly thematic modules combining lectures, coding exercises, and collaborative discussions. Students will gain essential skills in using tools like Python to develop real-world AI applications, culminating in a final group project.
課程進度	第1週：人工智慧導論與歷史發展 Week 1: Introduction to Artificial Intelligence and Historical Background 第2週：資料科學與資料前處理 Week 2: Data Science and Preprocessing 第3週：特徵工程與資料可視化 Week 3: Feature Engineering and Data Visualization 第4週：監督式學習基礎 Week 4: Fundamentals of Supervised Learning 第5週：非監督式學習與群集分析 Week 5: Unsupervised Learning and Clustering Analysis 第6週：模型評估與交叉驗證 Week 6: Model Evaluation and Cross-Validation 第7週：深度學習基礎與多層感知器 Week 7: Deep Learning Foundations and Multilayer Perceptrons (MLPs) 第8週：卷積神經網路（CNN） Week 8: Convolutional Neural Networks (CNNs) 第9週：循環神經網路與長短期記憶（RNN & LSTM） Week 9: Recurrent Neural Networks and LSTM 第10週：自然語言處理與語意表示 Week 10: Natural Language Processing and Semantic Representations 第11週：生成對抗網絡（GAN）原理與應用 Week 11: Generative Adversarial Networks (GANs) – Principles and Applications 第12週：注意力機制與Transformer架構 Week 12: Attention Mechanisms and Transformer Architecture 第13週：自監督學習理論與方法 Week 13: Self-Supervised Learning – Theory and Methods 第14週：大型語言模型與多模態系統 Week 14: Large Language Models and Multimodal AI Systems 第15週：元學習與自適應人工智慧 Week 15: Meta-Learning and Adaptive AI 第16週：AI前沿挑戰與課堂專題發表 Week 16: Frontier Challenges in AI and Final Project Presentations 第17週：期末報告 Week 17: Final Report 第18週：期末報告 Week 18: Final Report
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	● 使用生成式AI作為教學過程的輔助工具（Use generative AI tools as an aid to the teaching process） ● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools） ● 使用生成式AI進行課堂即時互動（Use generative AI for real-time classroom interaction） ● 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）
備註