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

110-1 299628 人工智慧邊緣運算實務與實現 1 2.0 2 ★ 陳彥霖
賴冠廷電資二
電資學院(大) 50 4 歡迎非電資學院同學修習,電資學院同學限20人,上限40人

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
110-1	299628	人工智慧邊緣運算實務與實現	1	2.0	2	★	陳彥霖賴冠廷	電資二電資學院(大)	50	4	歡迎非電資學院同學修習,電資學院同學限20人,上限40人

教學大綱與進度：

教師姓名賴冠廷

Email ktlai@ntut.edu.tw

最後更新時間 2021-09-16 23:48:16

課程大綱本課程將藉由人工智慧的發展與介紹，讓學生理解資料科學、機器學習和深度學習運作原理和實作方式，並依據業界實務面上的操作讓學生清楚知道人工智慧在實務面上的問題，例如資料收集和邊緣模型發展等。義隆電子將額外提供 AIBOX 和模型訓練軟體給予課程學生，結合理論與實務，對於非電資背景的學生教予學生如何在不用撰寫 AI 訓練程式即可訓練 AI 邊緣運算模型，並且將訓練後模型實現在 AIBOX 進行實作上。 This course seeks to introduce the development and elements of artificial intelligence (AI), especially in data science, machine learning and deep learning. In addition, we also mention what practical challenges AI in practice faces. For instance, a well working edge AI system still requires the supervised learning algorithm with a limited model, accompanying large amounts of human effort to label the training data necessary. In this course, we will not only teach how AI working but also how to mining the valuable data in the data pool for training AI model. In addition, Elan company will provide the AIBOX and AI model training software, in teaching how to training the AI model without coding, and implementing the AI model in practice by the AIBOX.

課程進度 1. 基礎AI與TensorFlow簡介 2. 機器學習原理簡介 3. 電腦視覺與卷積神經網路 4. Wording Embedding, RNN & LSTM 5. AI應用探討、數據對於AI模型應用的影響 6. 資料標註: AIBOX軟體資料標註與實作 7. AIBOX軟體操作介紹(一) 8. 期末專題提案 9. 資料擴增技術介紹 10. AIBOX軟體操作介紹(二): 軟體參數設定和資料擴增技術對於模型的影響 11. AIBOX硬體實地操作 12. AIBOX應用實作(一) - 分類操作範例 13. AIBOX應用實作(二) - 物件偵測操作範例 14. 期末專題(一) 15. 期末專題(二) 16. 期末專題(三) 17. 期末專題(四)

評量方式與標準程式作業 (30%) 期末專題 (70%)

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
老師自編教材

課程諮詢管道 ktlai@ntut.edu.tw

備註 ●上課方式：遠距上課

●評量方式：
All quizzes, exams and homework will be online. For final project, students will need to submit a YouTube video. Students can borrow the development boards and work at home.
●補充說明資訊：
第一周上課:
Friday, 24 September · 12:00 – 2:00am
Google Meet joining info
Video call link: https://meet.google.com/ncm-rqjc-yoa

教師姓名	賴冠廷
Email	ktlai@ntut.edu.tw
最後更新時間	2021-09-16 23:48:16
課程大綱	本課程將藉由人工智慧的發展與介紹，讓學生理解資料科學、機器學習和深度學習運作原理和實作方式，並依據業界實務面上的操作讓學生清楚知道人工智慧在實務面上的問題，例如資料收集和邊緣模型發展等。義隆電子將額外提供 AIBOX 和模型訓練軟體給予課程學生，結合理論與實務，對於非電資背景的學生教予學生如何在不用撰寫 AI 訓練程式即可訓練 AI 邊緣運算模型，並且將訓練後模型實現在 AIBOX 進行實作上。 This course seeks to introduce the development and elements of artificial intelligence (AI), especially in data science, machine learning and deep learning. In addition, we also mention what practical challenges AI in practice faces. For instance, a well working edge AI system still requires the supervised learning algorithm with a limited model, accompanying large amounts of human effort to label the training data necessary. In this course, we will not only teach how AI working but also how to mining the valuable data in the data pool for training AI model. In addition, Elan company will provide the AIBOX and AI model training software, in teaching how to training the AI model without coding, and implementing the AI model in practice by the AIBOX.
課程進度	1. 基礎AI與TensorFlow簡介 2. 機器學習原理簡介 3. 電腦視覺與卷積神經網路 4. Wording Embedding, RNN & LSTM 5. AI應用探討、數據對於AI模型應用的影響 6. 資料標註: AIBOX軟體資料標註與實作 7. AIBOX軟體操作介紹(一) 8. 期末專題提案 9. 資料擴增技術介紹 10. AIBOX軟體操作介紹(二): 軟體參數設定和資料擴增技術對於模型的影響 11. AIBOX硬體實地操作 12. AIBOX應用實作(一) - 分類操作範例 13. AIBOX應用實作(二) - 物件偵測操作範例 14. 期末專題(一) 15. 期末專題(二) 16. 期末專題(三) 17. 期末專題(四)
評量方式與標準	程式作業 (30%) 期末專題 (70%)
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：否老師自編教材
課程諮詢管道	ktlai@ntut.edu.tw
備註	●上課方式：遠距上課 ●評量方式： All quizzes, exams and homework will be online. For final project, students will need to submit a YouTube video. Students can borrow the development boards and work at home. ●補充說明資訊：第一周上課: Friday, 24 September · 12:00 – 2:00am Google Meet joining info Video call link: https://meet.google.com/ncm-rqjc-yoa