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
111-1	307924	人工智慧在資通訊技術應用實務	1	3.0	3	★	曾恕銘	職電子所	37	0	◎

教學大綱與進度：

教師姓名	曾恕銘　教師諮商時間(Office Hours)
Email	shuming@ntut.edu.tw
最後更新時間	2022-12-18 20:39:06
課程大綱	課程主要為介紹人工智慧概念和基本原理，學習DNN/CNN/LSTM的神經網路架構和學習方法，並舉資通訊技術應用實例說明，進而在雲端或非雲端平台實作人工智慧。
課程進度	1. Introduction with computer tool 2. DNN with labs and case study radio resource allocation 3. Learning method with labs 4. CNN with labs 5. RNN LSTM with lab and case study 5G polar code decoding (optional) 6. Analogizers: K-means, kNN, SVM 7. Self-attention (transformer) with case study scene boundary detection 8. Bayesians (Baysian statistics optional) 9. Symbolists: Decision Tree 10. Autodecoder/ neural style transfer
評量方式與標準	Attendance and participation 20% Lab report 40% Project 40%
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 Textbook Handouts References: Tan, Steinbach, Karpatne, Kumar, Introduction to Data Mining, 2e, 2019 Mendenhall and Sincich, Statistics for engineering and the sciences, 5/e, Prentice Hall. 鄭羽熙，人工智慧關鍵技術初探，2019.8.26 Jinwoo Shin, Deep Learning for Optimization, Communication and Networks, The East Asian School of Information Theory & Communication (EASITC), August 6-10, 2018 https://www-users.cs.umn.edu/~kumar001/dmbook/index.php#item4 http://www.willamette.edu/~gorr/classes/cs449/intro.html https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html http://www.aiotlab.org/teaching/dl_app.html NVIDIA深度學習基礎理論與實踐 Slides1 深度學習基本原理 Microsoft Azure Service Custom Vision Cavedu 教育團隊 生成網路_曾吉弘 02_自動編碼器
課程諮詢管道	office hours
備註	12/20(二) 6:30pm 業師Amazon許躍騰博士現場上課 (授課老師確診不出席)