類別：選修
註記：推薦「學士班學生預修碩士班課程申請」者可以修習
課程大綱：學年學期Academic Year/Semester: 113學年度第1學期
課程代號Course Number: 135144
授課教師Instructor: 鄭育評
課程中文名稱Course Title(Chinese): 人工智慧與實務應用(II)
課程英文名稱Course Title(English): Artificial Intelligence and Practical Application (II)
開課年級Grade: g
學分數Credits: 3.0學分
上課地點Class location: 管443
上課時間Class hours: 1bcd
本課程可培養學生之核心能力(Core competency)如下列:
一、課程目標Course objectives:
近年來，人工智慧在硬體及軟體的進步之下成為了現代最受熱門的研究主題之一，特別是從2016年由Google DeepMind所開發的人工智慧圍棋軟體-Alpha Go戰勝了人類開始，讓人工智慧的其中一個重要分支-深度學習技術，得到了眾多的廣泛應用，例如影像辨識、自然語言處理、語音處理等。
由於人工智慧是一個極大的領域，其包括了許多重要的領域與分支，如機器學習與深度學習。因此在人工智慧與實務應用（I）的課程中，教師介紹了人工智慧、機器學習與深度學習之間的關係，並著重於機器學習演算法的原理介紹與實作，如強調監督式學習及非監督式學習演算法的實例。
機器學習屬於人工智慧的範疇之一，而深度學習亦是機器學習更為深入的重要部分。因此在人工智慧與實務應用（II）的課程中，我們將持續以人工智慧的重要範疇及領域以深入探討深度學習技術，並著重介紹經典及有名的相關演算法，如卷積神經網路、循環神經網路等，以探討其應用範疇、背景知識及相關演算法之理論與實作。通過這門課程，我們不僅可以進一步理解人工智慧、機器學習與深度學習之間的密切關係，更能在人工智慧這個極大的領域中學習重要相關技術之原理與實作。
儘管課程主題是機器學習所延伸的深入分支，但其介紹的教學內容皆為深度學習演算法。因此，不論是否修過人工智慧與實務應用（I），皆可以選修本課程。本課程會以Python作為主要教學的程式語言，修課同學需要有基本的程式能力，最好具備及修習過相關高階語言的課程，如C、C++、JAVA等。此外，教師亦會在前幾週的課程講述與說明人工智慧、機器學習與深度學習之間的關係，讓未修過人工智慧與實務應用（I）課程的學生也可以了解這三個專有名詞之間的關聯性。
二、師生晤談時間及地點Instructor office hours:
時間：週三 10:00-12:00（請預先以E-mail跟老師約時間）
地點：管理學院 5047 室
三、授課方式Teaching approach:
【上課方式】
1. 教師會於課堂第一週明確告知課程的評分標準及規範。
2. 學生需要自行攜帶筆記型電腦，以參與課堂學習、實作及討論。
3. 嚴禁各種影響上課秩序的行為，如大聲聊天、喧鬧等。
【請假、缺席與缺考處理方式】
1. 學生請假需要提前以E-mail告知，教師會檢視假由的合理性，並予以告知是否准假。
2. 呈上述，課後請假者除假由合理，否則仍算無故缺席乙次。
3. 學校重要考試的請假事宜，皆依照學校請假規範辦理。
四、評量方式Grading criteria:（含評量項目及所佔比例，請運用多元評量）
1. 期中報告（30%）
2. 期末報告（40%）
3. 平時作業（15%）
4. 課堂表現，如課堂問答與練習等（10%）
5. 出席率（5%）
五、參考書目Textbook & references:（酌列作者姓名、出版年份、書名、出版書局等資料）
（一）教科書：(1) Deep Learning：用Python進行深度學習的基礎理論實作。作者：斎藤康毅，出版社：歐萊禮，出版日期：2017/08/17。
(2) Keras大神歸位：深度學習全面進化！用 Python 實作CNN、RNN、GRU、LSTM、GAN、VAE、Transformer。作者：François Chollet，出版社：旗標，出版日期：2022/06/22。
六、教學進度（週次、授課主題、教學活動、評量方式/作業、章節）
Course schedule (week, topic, activities, evaluation/assignment, text, etc.):
第1週:課程及教學說明、評量方式
第2週:深度學習初探與介紹神經網路
第3週:神經網路的學習
第4週:Keras和TensorFlow簡介
第5週:卷積神經網路（原理及實例介紹）
第6週:卷積神經網路（原理及實例介紹）
第7週:循環神經網路（原理及實例介紹）
第8週:期中報告
第9週:循環神經網路（原理及實例介紹）
第10週:文字資料的深度學習
第11週:生成式深度學習（原理及實例介紹）
第12週:深度學習應用於資訊教育之案例介紹
第13週:深度學習應用於資訊教育之案例介紹
第14週:期末專題簡報
第15週:期末專題簡報
第16週:期末專題簡報
以上內容將依照實際教學情況、學生的學習情況進行適性化的調整。
七、彈性教學設計
自主學習：以本學期教導的深度學習相關之演算法，調查與閱讀與深度學習有關的外語論文(SSCI/SCI期刊論文、期刊論文、國際研討會)，並將觀後心得以一份A4的word記錄。心得必須包含：選擇的論文題目、選擇該篇論文的原因、技術說明、於此篇論文學到什麼、是否能將該技術應用在你的碩士論文主題或未來研究上。
八、TA協助事項Teaching Assistant tasks:
TA需要隨班上課，並協助課堂所有事宜，如借用及開關閉教室的設備、協助同學及課業輔導、作業公告、作業批改、作業講解、moodle資訊維護及更新、監考、批改考卷等。
九、備註Remarks:
1. 課程資訊及公告以moodle為主。課程的相關問題請E-mail給教師
2. 若沒有修過人工智慧與實務應用（I），也可選修本課程。
十、本課程可培養學生之核心能力與教學活動及評量方法對應表
教學活動：
1.課堂討論
2.書面報告、作業
3.其他
評量方法:
1.報告（論文導讀並繳交書面報告）
2.實作評量﹙含口頭、書面報告、實習、表現評量﹚
3.其他表現（作業）
◎ 請同學們遵守智慧財產權及不得不法影印。
Course participants should respect intellectual property rights. Illegal copying of copyrighted course materials is strictly prohibited.
◎ 請任課教師在教學過程中適當引導學生使用正版教科書，並適時提醒或制止學生使用非法影印教科書，或通報學校予以輔導。
Instructors should ensure that students purchase licensed textbooks and prevent students from using illegally copied texts.
