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
111-2	316867	人工智慧	1	3.0	3	★	林正釧	機電所 製科所	67	1	機電所和製科所合開,限50人

教學大綱與進度：

教師姓名	林正釧　教師諮商時間(Office Hours)
Email	ccl@ntut.edu.tw
最後更新時間	2022-12-23 17:56:45
課程大綱	人工智慧已在各個領域中影響人類生活，特別是在機器學習與深度學習技術的發展。本課程為人工智慧領域的入門課程，旨在提供學生關於機器學習的基本概念，其中包含了分類以及迴歸類演算法、神經網路和深度學習於電腦視覺的應用。課程亦提供實際人工智慧問題的Python程式給予學生練習。透過理論以及實作的訓練，本課程最終目標則是希望學生能夠將這些人工智慧技術應用在當前的工程以及工業問題中。 Artificial intelligence is now ubiquitous, in particular the machine learning (ML) subfield. This course is an introductory course to illustrate the basic principles of ML, including classification and regression algorithms, neural networks, and deep learning for computer vision, so that the students can apply ML techniques to solve practical engineering and industrial problems.
課程進度	週次 單元主題 1. 人工智慧介紹 2. Python程式語言基本介紹 3-5. 機器學習基本概念 6-7. 分類(classification)模型演算法 8. 分類問題實作訓練 9. 期中考 10-11 期中實作競賽發表、迴歸(regression)模型演算法 12. 迴歸問題實作訓練 13-14. 深度學習介紹:神經網路模型 15-16. 深度學習於電腦視覺應用 17. 期末考 18. 期末實作競賽發表、實務應用演講
評量方式與標準	作業練習與課堂實作討論: 20% 期中測驗(筆試，概念題): 20% 期末測驗(筆試，概念題): 20% 期中競賽成績(含書面報告): 20% 期末競賽成績(含書面報告): 20%
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 上課用書: 自編教材 參考書目: Goodfellow, I., Bengio, Y., Courville, A., Bach, F. (2016) Deep Learning, MIT Press (e-access
課程諮詢管道	學生可利用office hours與老師討論，或使用email聯繫討論。
課程對應SDGs指標
備註	課程為實體教學，倘若受疫情影響，將視情況改為遠距教學(Microsoft Teams)，並彈性調整課程進度。請參考北科i學園公佈事項。