108-2_深度學習
教學目標
課程教學目標:深度學習是機器學習的分支，有別於傳統類神經網路它是基於一組演算法試圖通過使用更多的處理層來對資料中的高級抽象進行建模，信號在層與層之間是籍由線性和非線性函數轉換來傳遞。各種深度學習模型，諸如深度神經網路、卷積神經網路、遞歸神經網路和生成對抗網路已被廣汎應用在電腦視覺、自動語音識別、自然語言處理、音頻識別和生物資訊等領域，經過許多實證案例確認深度學習可以產生最新的成果。本課程將介紹深度學習的概念，並教導如何運用「深度學習程式設計的技巧」與「深度學習各種模型及其應用領域」等相關技術，以及探討深度學習的現況和未來的發展。
授課形式
理論講述與討論-20.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-50.00%;其他-0.00%
課程內容與進度
次數 授課教師 課程內容 1 張保榮 深度學習及Tensorflow介紹 2 楊惠芳 機率、資訊論與數值計算 3 楊惠芳 深度學習應用工具 4 張保榮 深度前饋網路 5 張保榮 深度學習規則化 6 張保榮 近似推論 7 張保榮 變分推理和蒙地卡羅法 8 張保榮 深度模型優化 9 張保榮 自動編碼器 10 張保榮 課程專題討論 11 張保榮 隨機誤差倒傳遞演算法 12 張保榮 深度生成模型 13 張保榮 深度波茲曼機器 14 張保榮 生成隨機網路 15 張保榮 卷積神經網路 16 張保榮 遞歸神經網路 17 張保榮 長短期記憶模型 18 張保榮 期末課程專題展示
教科書/參考書
1. 自編教材與指定技術報告 (50%) 2. 聯盟提供教材 (50%) 3..自由軟體: (1)Anaconda下載 https://www.anaconda.com/ (2)Python下載 https://www.python.org/ (3)Tensorflow下載 https://www.tensorflow.org/ (4) TensorBoard下載 https://www.tensorflow.org/guide/summaries_and_tensorboard (5)Keras下載 https://pypi.org/project/Keras/ (6)PyChrome下載 https://pypi.org/project/pychrome/ (7)手寫辨識資料集 https://scidm.nchc.org.tw/dataset/mnist (8) MIT ECG Database下載 https://physionet.org/physiobank/database/ptbdb/ (9)CIFAR-10資料集 https://www.cs.toronto.edu/~kriz/cifar.html
評分標準
Assignments: 70% Midterm Project: 15% Final Project: 15% Show up: -10%~10%
學分數
3
授課時數(周)
3
開課班級
L10755
修課人數
21
課程教學目標:深度學習是機器學習的分支，有別於傳統類神經網路它是基於一組演算法試圖通過使用更多的處理層來對資料中的高級抽象進行建模，信號在層與層之間是籍由線性和非線性函數轉換來傳遞。各種深度學習模型，諸如深度神經網路、卷積神經網路、遞歸神經網路和生成對抗網路已被廣汎應用在電腦視覺、自動語音識別、自然語言處理、音頻識別和生物資訊等領域，經過許多實證案例確認深度學習可以產生最新的成果。本課程將介紹深度學習的概念，並教導如何運用「深度學習程式設計的技巧」與「深度學習各種模型及其應用領域」等相關技術，以及探討深度學習的現況和未來的發展。
授課形式
理論講述與討論-20.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-50.00%;其他-0.00%
課程內容與進度
次數 授課教師 課程內容 1 張保榮 深度學習及Tensorflow介紹 2 楊惠芳 機率、資訊論與數值計算 3 楊惠芳 深度學習應用工具 4 張保榮 深度前饋網路 5 張保榮 深度學習規則化 6 張保榮 近似推論 7 張保榮 變分推理和蒙地卡羅法 8 張保榮 深度模型優化 9 張保榮 自動編碼器 10 張保榮 課程專題討論 11 張保榮 隨機誤差倒傳遞演算法 12 張保榮 深度生成模型 13 張保榮 深度波茲曼機器 14 張保榮 生成隨機網路 15 張保榮 卷積神經網路 16 張保榮 遞歸神經網路 17 張保榮 長短期記憶模型 18 張保榮 期末課程專題展示
教科書/參考書
1. 自編教材與指定技術報告 (50%) 2. 聯盟提供教材 (50%) 3..自由軟體: (1)Anaconda下載 https://www.anaconda.com/ (2)Python下載 https://www.python.org/ (3)Tensorflow下載 https://www.tensorflow.org/ (4) TensorBoard下載 https://www.tensorflow.org/guide/summaries_and_tensorboard (5)Keras下載 https://pypi.org/project/Keras/ (6)PyChrome下載 https://pypi.org/project/pychrome/ (7)手寫辨識資料集 https://scidm.nchc.org.tw/dataset/mnist (8) MIT ECG Database下載 https://physionet.org/physiobank/database/ptbdb/ (9)CIFAR-10資料集 https://www.cs.toronto.edu/~kriz/cifar.html
評分標準
Assignments: 70% Midterm Project: 15% Final Project: 15% Show up: -10%~10%
學分數
3
授課時數(周)
3
開課班級
L10755
修課人數
21
108-2_量子計算
教學目標
瞭解如何利用量子電腦的特性，設計適合的演算法，包含Grover 量子演算法和Shor量子演算法，來解決計算上的問題。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1-3週 Basics- Turing Machines, Quantum Physics in Brief and Quantum Gates 4-7週 Simple Quantum Algorithms- Deutsch's Problem and Simon's Problems 8-9週 QFT 10週 期中考 11-12週 Integer Factorization- Shor's Algorithm 13週 Quantum Search- Grover's Algorithm 14週 Quantum counting 15-16週 Hidden subgroup problem 17週 期末考 18週 口試
教科書/參考書
1.Quantum Computation and Quantum Information, by Michael A. Nielsen and Isaac L. Chuang, Cambridge Univ. Press (2010);
評分標準
期中考 35% 平時作業25% 期末考 40% (其中口試5%)
學分數
3
授課時數(周)
3
開課班級
L10755
修課人數
13
瞭解如何利用量子電腦的特性，設計適合的演算法，包含Grover 量子演算法和Shor量子演算法，來解決計算上的問題。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1-3週 Basics- Turing Machines, Quantum Physics in Brief and Quantum Gates 4-7週 Simple Quantum Algorithms- Deutsch's Problem and Simon's Problems 8-9週 QFT 10週 期中考 11-12週 Integer Factorization- Shor's Algorithm 13週 Quantum Search- Grover's Algorithm 14週 Quantum counting 15-16週 Hidden subgroup problem 17週 期末考 18週 口試
教科書/參考書
1.Quantum Computation and Quantum Information, by Michael A. Nielsen and Isaac L. Chuang, Cambridge Univ. Press (2010);
評分標準
期中考 35% 平時作業25% 期末考 40% (其中口試5%)
學分數
3
授課時數(周)
3
開課班級
L10755
修課人數
13
108-2_資料探勘
教學目標
介紹資料探勘的觀念與運作模式，深入介紹各種資料探勘技術的理論基礎及其應用方式，並藉由實際產品的研討，驗證所學的理論觀念。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
週次 內容主題
--------------------------------------------
1 Introduction
2 Data Preprocessing I
3 Data Preprocessing II
4 Data Exploration Technology
5 Classification I
6 Classification II
7 Classification III
8 Association Analysis I
9 Association Analysis II
10 Cluster Analysis I
11 Cluster Analysis II
12 Anomaly Detection
13 Other Advanced Topics
14 案例研討
15 論文報告
16 專題展示報告
教科書/參考書
教科書:
P.N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, Pearson International Edition, 2006.
參考書:
M. Berry and G. Linoff, Data Mining Techniques for Marketing, Sales, and Customer Support, John Wiely, 1997.
評分標準
論文報告 30%
專題&作業 50%
出席 20%
學分數
3
授課時數(周)
3
開課班級
L10755
修課人數
7
介紹資料探勘的觀念與運作模式，深入介紹各種資料探勘技術的理論基礎及其應用方式，並藉由實際產品的研討，驗證所學的理論觀念。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
週次 內容主題
--------------------------------------------
1 Introduction
2 Data Preprocessing I
3 Data Preprocessing II
4 Data Exploration Technology
5 Classification I
6 Classification II
7 Classification III
8 Association Analysis I
9 Association Analysis II
10 Cluster Analysis I
11 Cluster Analysis II
12 Anomaly Detection
13 Other Advanced Topics
14 案例研討
15 論文報告
16 專題展示報告
教科書/參考書
教科書:
P.N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, Pearson International Edition, 2006.
參考書:
M. Berry and G. Linoff, Data Mining Techniques for Marketing, Sales, and Customer Support, John Wiely, 1997.
評分標準
論文報告 30%
專題&作業 50%
出席 20%
學分數
3
授課時數(周)
3
開課班級
L10755
修課人數
7
108-2_專題研究(四)
教學目標
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度
教科書/參考書
相關論文
評分標準
報告 60%
參與討論 30%
出席 10%
學分數
2
授課時數(周)
2
開課班級
L10755
修課人數
5
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度
教科書/參考書
相關論文
評分標準
報告 60%
參與討論 30%
出席 10%
學分數
2
授課時數(周)
2
開課班級
L10755
修課人數
5
108-2_專題研究(二)
教學目標
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度
教科書/參考書
相關論文
評分標準
報告 60%
參與討論 30%
出席 10%
學分數
2
授課時數(周)
2
開課班級
L10855
修課人數
9
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度
教科書/參考書
相關論文
評分標準
報告 60%
參與討論 30%
出席 10%
學分數
2
授課時數(周)
2
開課班級
L10855
修課人數
9
108-2_計算機結構
教學目標
本課程為計算機組織課程的進階課程，將先複習計算機組織課程中的處理器運作基本觀念以及記憶體階層(Memory Hierarchy)基礎運作觀念，先介紹記憶體階層設計的進階技術，然後以處理器為中心到外圍的記憶體架構，先討論在單一處理器上可以提高指令層次平行度(Instruction-Level Parallelism)的技術，之後擴展提高資料層次平行度(Data-Level Parallelism)，將分別介紹向量處理器結構(Vector Architecture)、單指令流多數據流結構(SIMD Architecture)、和圖形晶片的硬體架構（GPU Architecture），到提高執行緒層次平行度(Data-Level Parallelism)的多核心架構，說明多核心架構下共享記憶體所面臨的問題，以及解決策略。
授課形式
理論講述與討論-80.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Fundamentals of Computer Design 2. Memory Hierarchy Design 3. Instruction-Level Parallelism and its Exploitation 4. Data-Level Parallelism 5. Thread-Level Parallelism
教科書/參考書
J. L. Hennessy and D. A. Patterson, Computer Architecture: A Quantitative Approach, 5th Edition, Morgan Kaufmann Publishing Co., Menlo Park, CA.
評分標準
1. Mid-term Exam: 30% 2. Final Exam: 30% 3. Project:25% 4. Quiz:10% 5. Paper Presentation: 5% 6. Class Participation (Bonus): 5~10%
學分數
3
授課時數(周)
3
開課班級
M10755
修課人數
26
本課程為計算機組織課程的進階課程，將先複習計算機組織課程中的處理器運作基本觀念以及記憶體階層(Memory Hierarchy)基礎運作觀念，先介紹記憶體階層設計的進階技術，然後以處理器為中心到外圍的記憶體架構，先討論在單一處理器上可以提高指令層次平行度(Instruction-Level Parallelism)的技術，之後擴展提高資料層次平行度(Data-Level Parallelism)，將分別介紹向量處理器結構(Vector Architecture)、單指令流多數據流結構(SIMD Architecture)、和圖形晶片的硬體架構（GPU Architecture），到提高執行緒層次平行度(Data-Level Parallelism)的多核心架構，說明多核心架構下共享記憶體所面臨的問題，以及解決策略。
授課形式
理論講述與討論-80.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Fundamentals of Computer Design 2. Memory Hierarchy Design 3. Instruction-Level Parallelism and its Exploitation 4. Data-Level Parallelism 5. Thread-Level Parallelism
教科書/參考書
J. L. Hennessy and D. A. Patterson, Computer Architecture: A Quantitative Approach, 5th Edition, Morgan Kaufmann Publishing Co., Menlo Park, CA.
評分標準
1. Mid-term Exam: 30% 2. Final Exam: 30% 3. Project:25% 4. Quiz:10% 5. Paper Presentation: 5% 6. Class Participation (Bonus): 5~10%
學分數
3
授課時數(周)
3
開課班級
M10755
修課人數
26
108-2_醫學影像處理
教學目標
1. Learning the basic steps in medical image processing.
2. Practicing medical image processing in the PYTHON environment.
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
1. Introduction
2. Image Formation
3. Interaction of Electromagnetic Radiation with Matter in Medical Imaging
4. Medical Imaging Modalities: X-Ray Imaging
5. Medical Imaging Modalities: Magnetic Resonance Imaging
6. Image Reconstruction
7. Image Processing and Enhancement
8. Image Segmentation
9. Image Representation, Analysis, and Classification
10. Image Registration
教科書/參考書
教科書：Medical Image Analysis, Second Edition, by Atam P. Dhawan, IEEE Press, 2011. 全華圖書代理
參考書：1. Digital Image Processing, Third Edition, by Rafael C. Gonzalez and Richard E. Woods, Prentice Hall, 2008. 歐亞代理
評分標準
Midterm (25%)
Final (25%)
Term project (20%)
4 Homework assignments (30%)
Class attendance (-10~+10%)
學分數
3
授課時數(周)
3
開課班級
A10555
修課人數
24
1. Learning the basic steps in medical image processing.
2. Practicing medical image processing in the PYTHON environment.
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
1. Introduction
2. Image Formation
3. Interaction of Electromagnetic Radiation with Matter in Medical Imaging
4. Medical Imaging Modalities: X-Ray Imaging
5. Medical Imaging Modalities: Magnetic Resonance Imaging
6. Image Reconstruction
7. Image Processing and Enhancement
8. Image Segmentation
9. Image Representation, Analysis, and Classification
10. Image Registration
教科書/參考書
教科書：Medical Image Analysis, Second Edition, by Atam P. Dhawan, IEEE Press, 2011. 全華圖書代理
參考書：1. Digital Image Processing, Third Edition, by Rafael C. Gonzalez and Richard E. Woods, Prentice Hall, 2008. 歐亞代理
評分標準
Midterm (25%)
Final (25%)
Term project (20%)
4 Homework assignments (30%)
Class attendance (-10~+10%)
學分數
3
授課時數(周)
3
開課班級
A10555
修課人數
24
108-2_嵌入式多核心系統與軟體
教學目標
1. 本課程內容注重於開發嵌入式多核心系統整合技術、程式平行化技術、與應用技術。 2. 希望能藉此課程讓學生具備嵌入式多核心系統整合設計的知識與應用能力
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-20.00%;其他-0.00%
課程內容與進度
1. Multicore Processor Architecture 2. Parallel Computing Concepts 3. Basic Parallel Programming 4. Thread in Python 5. Posix thread programming 6. OpenMP
教科書/參考書
1. Max Domeika, “Software Development for Embedded Multi-core Systems: A Practical Guide Using Embedded Intel Architecture,” Newnes, 2008. 2. S. Akhterm, “Multi-core Programming: Increasing Performance Through Software Multi-threading,” Intel Press, 2006.
評分標準
1. Mid-term Exam: 30% 2. Final Exam: 30% 3. Project:30% 4. Quiz:10% 5. Paper Presentation: 5% 6. Class Participation (Bonus): 5~10%
學分數
3
授課時數(周)
3
開課班級
M10755
修課人數
16
1. 本課程內容注重於開發嵌入式多核心系統整合技術、程式平行化技術、與應用技術。 2. 希望能藉此課程讓學生具備嵌入式多核心系統整合設計的知識與應用能力
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-20.00%;其他-0.00%
課程內容與進度
1. Multicore Processor Architecture 2. Parallel Computing Concepts 3. Basic Parallel Programming 4. Thread in Python 5. Posix thread programming 6. OpenMP
教科書/參考書
1. Max Domeika, “Software Development for Embedded Multi-core Systems: A Practical Guide Using Embedded Intel Architecture,” Newnes, 2008. 2. S. Akhterm, “Multi-core Programming: Increasing Performance Through Software Multi-threading,” Intel Press, 2006.
評分標準
1. Mid-term Exam: 30% 2. Final Exam: 30% 3. Project:30% 4. Quiz:10% 5. Paper Presentation: 5% 6. Class Participation (Bonus): 5~10%
學分數
3
授課時數(周)
3
開課班級
M10755
修課人數
16
108-2_資料探勘
教學目標
介紹資料探勘的觀念與運作模式，深入介紹各種資料探勘技術的理論基礎及其應用方式，並藉由實際產品的研討，驗證所學的理論觀念。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
週次 內容主題
--------------------------------------------
1 Introduction
2 Data Preprocessing I
3 Data Preprocessing II
4 Data Exploration Technology
5 Classification I
6 Classification II
7 Classification III
8 Association Analysis I
9 Association Analysis II
10 Cluster Analysis I
11 Cluster Analysis II
12 Anomaly Detection
13 Other Advanced Topics
14 期末考
15 論文報告
16 論文報告
17 系統展示報告
教科書/參考書
教科書:
P.N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, Pearson International Edition, 2006.
P.N. Tan, M. Steinbach , A. Karpatne, and V. Kumar, Introduction to Data Mining, 2nd Ed., Pearson, 2019.
參考書: J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed, Morgan Kaufmann Publishers, 2012.
評分標準
考試: 20%
作業: 30%
課程專題: 20%
論文研讀報告: 20%
出席: 10%
學分數
3
授課時數(周)
3
開課班級
A10555
修課人數
40
介紹資料探勘的觀念與運作模式，深入介紹各種資料探勘技術的理論基礎及其應用方式，並藉由實際產品的研討，驗證所學的理論觀念。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-40.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
週次 內容主題
--------------------------------------------
1 Introduction
2 Data Preprocessing I
3 Data Preprocessing II
4 Data Exploration Technology
5 Classification I
6 Classification II
7 Classification III
8 Association Analysis I
9 Association Analysis II
10 Cluster Analysis I
11 Cluster Analysis II
12 Anomaly Detection
13 Other Advanced Topics
14 期末考
15 論文報告
16 論文報告
17 系統展示報告
教科書/參考書
教科書:
P.N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, Pearson International Edition, 2006.
P.N. Tan, M. Steinbach , A. Karpatne, and V. Kumar, Introduction to Data Mining, 2nd Ed., Pearson, 2019.
參考書: J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed, Morgan Kaufmann Publishers, 2012.
評分標準
考試: 20%
作業: 30%
課程專題: 20%
論文研讀報告: 20%
出席: 10%
學分數
3
授課時數(周)
3
開課班級
A10555
修課人數
40
108-2_專題研究(二)
教學目標
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度
教科書/參考書
相關論文
評分標準
報告 60%
參與討論 30%
出席 10%
學分數
3
授課時數(周)
3
開課班級
M10855
修課人數
15
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度
教科書/參考書
相關論文
評分標準
報告 60%
參與討論 30%
出席 10%
學分數
3
授課時數(周)
3
開課班級
M10855
修課人數
15
108-2_專題研究(四)
教學目標
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度
教科書/參考書
相關論文
評分標準
報告 60%
參與討論 30%
出席 10%
學分數
3
授課時數(周)
3
開課班級
M10755
修課人數
12
本課程提供碩士班學生參與智慧型系統相關論文研讀與分組討論之訓練，以培養碩士班學生論文研讀與上台報告之能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
由各授課老師制定論文研讀主題與各週研讀進度
教科書/參考書
相關論文
評分標準
報告 60%
參與討論 30%
出席 10%
學分數
3
授課時數(周)
3
開課班級
M10755
修課人數
12
108-2_永續運算應用與實務
教學目標
本課程為本校「再生能源科技管理與應用微學程」之一。針對人類未來面臨的挑戰，聯合國從經濟成長、社會進步、環境保護三個面向，於2015年提出17項2030年前的永續發展目標(Sustainable Development Goals, SDGs)，國際電信聯盟ITU亦陸續提出許多ICT4SDG─以資通訊技術來促進SDG實現的策略。因應新的環境，永續運算即是近年開始發展的運算思維，除了傳統以成本及效率來評估運算系統外，也從生命週期及與外在環境互動的角度，來考慮系統的建置與維運。本課程將跨領域介紹永續發展議題與永續運算技術，並介紹如何以系統永續的理念，來協助實現解決SDG相關目標。本課程為第一次開授，具實驗性質，以設計思考及問題為本學習來進行，除了增進學生對於環境永續與系統永續的認識外，也增進學生永續學習的能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
課程採用混合式問題為本學習(Hybrid PBL)方式進行，講授以建構學生廣泛靈活的永續實務基礎知識為主，教學活動以引導學生個人自律、小組共學的適性化學習為主。
教科書/參考書
參考資料：
評分標準
課程參與(15%)、學習歷程(25%)、學習成果報告(20%)、期末專題(40%)
學分數
3
授課時數(周)
3
開課班級
A10876
修課人數
16
本課程為本校「再生能源科技管理與應用微學程」之一。針對人類未來面臨的挑戰，聯合國從經濟成長、社會進步、環境保護三個面向，於2015年提出17項2030年前的永續發展目標(Sustainable Development Goals, SDGs)，國際電信聯盟ITU亦陸續提出許多ICT4SDG─以資通訊技術來促進SDG實現的策略。因應新的環境，永續運算即是近年開始發展的運算思維，除了傳統以成本及效率來評估運算系統外，也從生命週期及與外在環境互動的角度，來考慮系統的建置與維運。本課程將跨領域介紹永續發展議題與永續運算技術，並介紹如何以系統永續的理念，來協助實現解決SDG相關目標。本課程為第一次開授，具實驗性質，以設計思考及問題為本學習來進行，除了增進學生對於環境永續與系統永續的認識外，也增進學生永續學習的能力。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
課程採用混合式問題為本學習(Hybrid PBL)方式進行，講授以建構學生廣泛靈活的永續實務基礎知識為主，教學活動以引導學生個人自律、小組共學的適性化學習為主。
第1週 2020/2/21 永續運算與課程說明 第2週 2020/2/28 228紀念日 (國定假日) 第3週 2020/3/06 永續發展目標概述 第4週 2020/3/13 永續運算系統架構 第5週 2020/3/20 永續性分析 第6週 2020/3/27 ICT4SDG：資通訊技術與永續發展 第7週 2020/4/03 兒童節/清明節補假 第8週 2020/4/10 永續運算技術：分散式系統 第9週 2020/4/17 永續運算技術：新一代通訊系統 第10週 2020/4/24 永續運算技術：區塊鍊 第11週 2020/5/01 永續運算技術：學習與回饋 第12週 2020/5/08 永續運算應用：再生能源 第13週 2020/5/15 永續運算應用：智慧電網 第14週 2020/5/22 永續運算應用：循環經濟 第15週 2020/5/29 永續運算實務：經濟成長 第16週 2020/6/05 永續運算實務：環境保護 第17週 2020/6/12 永續運算實務：社會進步 第18週 2020/6/19 期末專題報告
教科書/參考書
參考資料：
- UN ITU, ICT for Sustainable Development#ICT4SDG, https://www.itu.int/ict4sdg/
- Tech for Good: The Role of ICT in Achieving the SDGs(線上課程)
- Babak Akhgar, Colin Pattinson, Mohammad Dastbaz, Green Information Technology, Morgan Kaufmann, 2015.
- Scott Herriott, Feasibility Analysis for Sustainable Technologies, Business Expert Press, 2014.
- Sarah Sorensen, The Sustainable Network, O’Reilly Media, Inc., 2009.
- Sustainable Computing: Informatics and Systems (Elsevier Journal)
- Transactions on Sustainable Computing (IEEE Journal)
評分標準
課程參與(15%)、學習歷程(25%)、學習成果報告(20%)、期末專題(40%)
學分數
3
授課時數(周)
3
開課班級
A10876
修課人數
16
108-2_書報討論(四)
教學目標
1.增廣學生的研究興趣及知識
2.訓練學生如何做好研究
3.學習著名學者的研究技巧及風範
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-30.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 第一周授課
2. 其餘邀請著名學者演講
3. 研究生報告其論文想法
教科書/參考書
學者演講投影片
評分標準
1. 出席(50%)
2. 心得報告內容(40%)
3. 隨堂討論(10%)
學分數
1
授課時數(周)
2
開課班級
M10755
修課人數
12
1.增廣學生的研究興趣及知識
2.訓練學生如何做好研究
3.學習著名學者的研究技巧及風範
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-30.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 第一周授課
2. 其餘邀請著名學者演講
3. 研究生報告其論文想法
教科書/參考書
學者演講投影片
評分標準
1. 出席(50%)
2. 心得報告內容(40%)
3. 隨堂討論(10%)
學分數
1
授課時數(周)
2
開課班級
M10755
修課人數
12
108-2_書報討論(二)
教學目標
The goals of this course are to expose students to the latest research in various topics of computer science and to cultivate their presentation skills.
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
This course will include talks of invited speakers.
教科書/參考書
N/A
評分標準
presentation: 50% reports: 50%
學分數
1
授課時數(周)
2
開課班級
M10855
修課人數
15
The goals of this course are to expose students to the latest research in various topics of computer science and to cultivate their presentation skills.
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
This course will include talks of invited speakers.
教科書/參考書
N/A
評分標準
presentation: 50% reports: 50%
學分數
1
授課時數(周)
2
開課班級
M10855
修課人數
15
108-2_文字語音互動機器人
教學目標
本課程將延伸核心課程「人工智慧」及進階課程「深度神經網路」與「模糊與演化式計算」的基礎知識，介紹無字及語音相關的處理與辨識技術，讓學生可以利用整合機器學習與軟式計算的方法進行文字語音人機互動軟體設計，並實現在機器人上進行文字語音的互動。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-10.00%;田野調查-0.00%;實驗-50.00%;其他-0.00%
課程內容與進度
第一週 文字辨識技術簡介 第二週 OCR Libraries演練 第三週 MATLAB OCR演練 第四週 文字處理技術簡介 第五週 語意處理技術簡介 第六週 Stanford's Core NLP Suite、Natural Language Toolkit演練 第七週 Apache Lucene and Solr、Apache OpenNLP演練 第八週 MATLAB Text Analytics Toolbox演練 第九週 文字辨識與處理整合演練與成果展示 第十週 語音前置的方法與步驟 第十一週 語音取樣、取音框、傅立葉轉換、高通濾波、漢明窗等語音前置處理演練 第十二週 語音特徵值計算程式設計演練 第十三週 語音辨識演算法介紹—基於監督式機器學習方法 第十四週 語音辨識演算法介紹—基於非監督式機器學習方法 第十五週 語音辨識資料庫使用 第十六週 語音辨識演算程式設計演練 第十七週 語音辨識與處理整合演練與成果展示 第十八週 機器人文字語音互動專題演練
教科書/參考書
自編教材
評分標準
期中考20% 期末考20% 實做 40% 專題報告 20%
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
35
本課程將延伸核心課程「人工智慧」及進階課程「深度神經網路」與「模糊與演化式計算」的基礎知識，介紹無字及語音相關的處理與辨識技術，讓學生可以利用整合機器學習與軟式計算的方法進行文字語音人機互動軟體設計，並實現在機器人上進行文字語音的互動。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-10.00%;田野調查-0.00%;實驗-50.00%;其他-0.00%
課程內容與進度
第一週 文字辨識技術簡介 第二週 OCR Libraries演練 第三週 MATLAB OCR演練 第四週 文字處理技術簡介 第五週 語意處理技術簡介 第六週 Stanford's Core NLP Suite、Natural Language Toolkit演練 第七週 Apache Lucene and Solr、Apache OpenNLP演練 第八週 MATLAB Text Analytics Toolbox演練 第九週 文字辨識與處理整合演練與成果展示 第十週 語音前置的方法與步驟 第十一週 語音取樣、取音框、傅立葉轉換、高通濾波、漢明窗等語音前置處理演練 第十二週 語音特徵值計算程式設計演練 第十三週 語音辨識演算法介紹—基於監督式機器學習方法 第十四週 語音辨識演算法介紹—基於非監督式機器學習方法 第十五週 語音辨識資料庫使用 第十六週 語音辨識演算程式設計演練 第十七週 語音辨識與處理整合演練與成果展示 第十八週 機器人文字語音互動專題演練
教科書/參考書
自編教材
評分標準
期中考20% 期末考20% 實做 40% 專題報告 20%
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
35
108-2_資訊專題講座(二)
教學目標
1.增廣學生的研究興趣及知識
2.訓練學生如何做好研究
3.學習著名學者的研究技巧及風範
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-30.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 第一周授課
2. 其餘邀請著名學者演講 3. 研究生報告其論文想法
教科書/參考書
學者演講投影片
評分標準
1. 出席(50%)
2. 心得報告內容(40%)
3. 隨堂討論(10%)
學分數
1
授課時數(周)
2
開課班級
A10555
修課人數
34
1.增廣學生的研究興趣及知識
2.訓練學生如何做好研究
3.學習著名學者的研究技巧及風範
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-30.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 第一周授課
2. 其餘邀請著名學者演講 3. 研究生報告其論文想法
教科書/參考書
學者演講投影片
評分標準
1. 出席(50%)
2. 心得報告內容(40%)
3. 隨堂討論(10%)
學分數
1
授課時數(周)
2
開課班級
A10555
修課人數
34
108-2_Python程式設計
教學目標
本課程介紹Python程式語言及其開發工具與線上資源，並指導學生進行程式設計，解決實務問題。課堂含上機練習，每週有程式作業。外系同學加簽逕洽任課老師。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-40.00%;其他-0.00%
課程內容與進度
教科書/參考書
教科書(線上資源) Charles R. Severance, Python for Everybody: Exploring Data in Python 3, 2016, https://www.py4e.com/book.php
Python 3.x Documentation (Tutorial, References), https://docs.python.org/3/
Python Tutorials, Examples, Exercises,
https://www.w3schools.com/python/default.asp
Python Exercises, Practice, Solution,
https://www.w3resource.com/python-exercises/
參考書(校內電子書) Joey Bernard, Python Recipes Handbook - A Problem-Solution Approach, Apress, 2016
https://link.springer.com/book/10.1007%2F978-1-4842-0241-8
Ben Stephenson, The Python Workbook, Springer, 2014
https://link.springer.com/book/10.1007%2F978-3-319-14240-1
Gregory Walters, The Python Quick Syntax Reference, Apress, 2014
https://link.springer.com/book/10.1007%2F978-1-4302-6479-8
參考書(中文) 洪錦魁, Python最強入門邁向頂尖高手之路：王者歸來(全彩版), DM1915, 深智公司, 2019
評分標準
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
18
本課程介紹Python程式語言及其開發工具與線上資源，並指導學生進行程式設計，解決實務問題。課堂含上機練習，每週有程式作業。外系同學加簽逕洽任課老師。
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-40.00%;其他-0.00%
課程內容與進度
- Introduction
- Variables, Expressions, and Statements
- Conditional Execution
- Functions
- Iteration
- Strings
- Files
- Lists
- Dictionaries
- Tuples
- Regular Expressions (Regex)
- Networked Programs
- Python and Web Services
- Python Objects (Object-Oriented Programming)
- Python and Databases (Using Database and SQL)
- Data Visualization (Visualizing Data)
教科書/參考書
教科書(線上資源)
參考書(校內電子書)
參考書(中文)
評分標準
1.每週隨堂練習與作業 (50%) 2.期末個人報告(10%) 3.期末分組專題(20%) 4.期末考(20%)
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
18
108-2_人工智慧
教學目標
1. 教授人工智慧基本原理
2. 介紹處理不同種類問題之人工智慧策略
3. 指導學生利用人工智慧解決問題
4. 訓練學生推理及邏輯能力
授課形式
理論講述與討論-75.00%;個案分析或作品賞析-0.00%;專題實作與報告-25.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Unit 1. Introduction to AI
Unit 2. Knowledge representation
Unit 3. Search methodologies, advanced search
Unit 5. Optimization and genetic algorithms
Unit 6. Introduction to machine learning: unsupervised learning and clustering
Unit 7. Supervised learning: Nearest neighbor algorithms, regression-based models, perceptron
Unit 8. Information theory and decision trees
Unit 9. 業師授課 (05/20/2020)
Unit 10. Natural language processing
Unit 11. Reinforcement learning
Unit 12. Final project presentation
教科書/參考書
Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, 3rd Edition, 2010.
Ben Coppin, Artificial Intelligence Illuminated, Jones & Bartlett Publishers, 2004.
評分標準
Tentative grading policies, subject to change.
Midterm Exam: 30%
Final Project: 35%
Presentation: 15%
Homework/Quiz: 20%
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
48
1. 教授人工智慧基本原理
2. 介紹處理不同種類問題之人工智慧策略
3. 指導學生利用人工智慧解決問題
4. 訓練學生推理及邏輯能力
授課形式
理論講述與討論-75.00%;個案分析或作品賞析-0.00%;專題實作與報告-25.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Unit 1. Introduction to AI
Unit 2. Knowledge representation
Unit 3. Search methodologies, advanced search
Unit 5. Optimization and genetic algorithms
Unit 6. Introduction to machine learning: unsupervised learning and clustering
Unit 7. Supervised learning: Nearest neighbor algorithms, regression-based models, perceptron
Unit 8. Information theory and decision trees
Unit 9. 業師授課 (05/20/2020)
Unit 10. Natural language processing
Unit 11. Reinforcement learning
Unit 12. Final project presentation
教科書/參考書
Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, 3rd Edition, 2010.
Ben Coppin, Artificial Intelligence Illuminated, Jones & Bartlett Publishers, 2004.
評分標準
Tentative grading policies, subject to change.
Midterm Exam: 30%
Final Project: 35%
Presentation: 15%
Homework/Quiz: 20%
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
48
108-2_網路安全
教學目標
由於網路的快速發展，造成資訊傳播的普及。人們不斷地追求如何加快擷取資訊，卻忽略了資訊的品質。我們無法判定所擷取到的資訊，是否正確、是否完整、是否曾被修改、是否曾被竊取。因此，為了提高資訊的品質，『網路安全』的概念是我們必備的常識。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1-4 週簡介,網路法律安全(含電腦病毒) and Ch1 5-6週 傳統加解密1(Classical Encryption) – Ch2,AES 7-8週 傳統加解密2(Classical Encryption) – Ch2,AES 9-10週 AES – Ch5 和公開金匙加解密(Public-Key Cryptography)含RSA – Ch9 11週 期中考 12週 金匙管理(Key Management) – Ch14 13週 數位簽章(Signature) – Ch13,Hash – Ch11 and MAC – Ch12 14週 Demo 15-16週 郵件安全 – Ch19 17週 期末筆考 18週 期末口試
教科書/參考書
Cryptography and Network Security 6th Edition by William Stallings
評分標準
期中考 25% 專題作業 30% 出席 15% 期末考 30% (其中口試5%)
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
27
由於網路的快速發展，造成資訊傳播的普及。人們不斷地追求如何加快擷取資訊，卻忽略了資訊的品質。我們無法判定所擷取到的資訊，是否正確、是否完整、是否曾被修改、是否曾被竊取。因此，為了提高資訊的品質，『網路安全』的概念是我們必備的常識。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-0.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1-4 週簡介,網路法律安全(含電腦病毒) and Ch1 5-6週 傳統加解密1(Classical Encryption) – Ch2,AES 7-8週 傳統加解密2(Classical Encryption) – Ch2,AES 9-10週 AES – Ch5 和公開金匙加解密(Public-Key Cryptography)含RSA – Ch9 11週 期中考 12週 金匙管理(Key Management) – Ch14 13週 數位簽章(Signature) – Ch13,Hash – Ch11 and MAC – Ch12 14週 Demo 15-16週 郵件安全 – Ch19 17週 期末筆考 18週 期末口試
教科書/參考書
Cryptography and Network Security 6th Edition by William Stallings
評分標準
期中考 25% 專題作業 30% 出席 15% 期末考 30% (其中口試5%)
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
27
108-2_影像處理
教學目標
1. Learning the basic steps in digital image processing.
2. Practicing digital image processing in simple C language.
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
1. Introduction
2. Digital Image Fundamentals
3. Image Enhancement in the Spatial Domain
4. Image Enhancement in the Frequency Domain
5. Image Restoration
教科書/參考書
教科書：Digital Image Processing, Fourth Edition (Global Edition), by Rafael C. Gonzalez and Richard E. Woods, Pearson, 2018. 開發圖書代理
參考書：1. Digital Image Processing-A Practical Introduction Using Java, by Nick Efford, Pearson Education Limited, 2000.
評分標準
Midterm (25%)
Final (25%)
Term project (20%)
5 Homework assignments (30%)
Class attendance (-10~+10%)
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
50
1. Learning the basic steps in digital image processing.
2. Practicing digital image processing in simple C language.
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-30.00%;其他-0.00%
課程內容與進度
1. Introduction
2. Digital Image Fundamentals
3. Image Enhancement in the Spatial Domain
4. Image Enhancement in the Frequency Domain
5. Image Restoration
教科書/參考書
教科書：Digital Image Processing, Fourth Edition (Global Edition), by Rafael C. Gonzalez and Richard E. Woods, Pearson, 2018. 開發圖書代理
參考書：1. Digital Image Processing-A Practical Introduction Using Java, by Nick Efford, Pearson Education Limited, 2000.
評分標準
Midterm (25%)
Final (25%)
Term project (20%)
5 Homework assignments (30%)
Class attendance (-10~+10%)
學分數
3
授課時數(周)
3
開課班級
A10655
修課人數
50