110-2_行動邊緣計算
教學目標
本學期自111年5月9日(一)至111年5月21日(五) 本課程採遠距線上授課及評量 網址如下: 老師 https://meet.google.com/eqi-cjvo-kfb 助教 https://meet.google.com/hgf-uxcb-shu google classroom: https://classroom.google.com/c/NDY3MzQ1NzY2NjI1 「行動邊緣計算」課程教學目標:本課程介紹在4G/5G 系統架構中，邊緣計算的架構、行動網路協定與核網技術以及相關的邊緣計算應用。除了介紹邊緣計算與各項物聯網應用類型的關係，也包括雲端運算、霧端運算以及邊緣計算在新世代行動網路應用的特質與差異。課程將涵蓋各種邊緣計算的協定、架構與方法。
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
1. 行動邊緣計算與4G/5G網路架構介紹 無 2. 邊緣計算架構與標準: ETSI MEC 無 3. 實驗課程1 − 開源碼 LTE 實驗平台與網頁伺服器之建置 開源碼LTE實驗平台與網頁伺服器之建置: (1) Ubuntu環境建置與基礎實作。 (2) 安裝OAI-LTE開源碼平台。 (3) Wamp Server網站架設。 (4) WordPress網頁內容管理。 (5) 執行OAI平台並觀察結果。 4. 行動邊緣計算之應用 (Use Cases) 學生分組討論行動邊緣計算之應用，並於課堂上擇一主題報告。 5. Mobile Edge Computing: 行動邊緣計算 行動邊緣計算環境建置—雲端伺服器建置: 使用Linux平台架設 Edge Server。 6. 實驗課程2 − 雲端伺服器及邊緣計算伺服器之建置 雲端伺服器及邊緣計算伺服器之建置: (1) 使用 Linux 平台架設 Cloud Server (雲端伺服器)。 (2) UE與USRP無線連接實驗。 (3) USRP有線連接Edge Server、Cloud Server進行基本觀察與量測。 7. 行動邊緣計算服務情景 學生分組討論行動邊緣計算服務之應用場景規劃，並擇一主題於課堂上報告。 8. 雲端無線接取網路與邊緣計算 實作與探討MEC架構與C-RAN架構 9. 實驗課程3 − MoD/VoD Streaming資料串流實驗 MoD/VoD Streaming資料串流實驗: (1) 使用OAI平台實作 Cloud與Edge伺服器之通訊協定軟體。 (2) 使用MEC平台實作多媒體影音串流的Service Migration。 (3) 使用UE與網頁伺服器測試影音串流的特性。 10. 期中考:報告課程期末專題規劃 學生組隊並針對期末專題規劃進行提案報告。 11. 實驗課程4 − 邊緣計算與網路功能虛擬化:功能與架構 SDN/NFV核心網路的Open vSwitch與Ryu/NOX控制器模擬: (1) SDN/NFV核心網路的Open vSwitch (2) Ryu/NOX控制器模擬實驗 12. 實驗課程5 − AR/VR 邊緣計算實驗 AR/VR邊緣計算實驗: (1) 使用MEC 平台實作AR/VR 應用。 (2) 結合影像處理技術進行AR 視訊處理。 13. 邊緣計算之應用與資安議題 學生分組討論邊緣計算之資安議題，並於課堂上擇一主題報告。 14. 視覺演算法於嵌入式平台的高效計算部署 視覺演算法於嵌入式平台的高效計算部署: 使用Jetson Nano TensorRT平台執行Image classification、Object detection及Semantic Segmentation 15. 實驗課程6 – 物件偵測技術於車流分析之應用 物件偵測技術於車流分析之應用: (1) YOLOv5環境安裝與模型訓練。 (2) 使用YOLOv5實作車流分析。 16. 實驗課程7 − 車聯網之路況監視實現 車聯網之路況監視實現: 使用兩台NVIDIA JetRacer AI Kit前置鏡頭拍攝影像串流，串流透過eNB連接至Edge Server，並於OAI平台觀察實作結果。 17. 實驗課程8 − 車聯網之路況分享 車聯網之路況分享: (1) 使用物件偵測演算法YOLOv5辨識路況，將路況分析結果傳輸至Edge Server。 (2) 使用eNB將即時路況傳輸至附近車輛。 18. 期末考:學生期末專題製作成果發表 期末專題成果公開發表
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%)
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
L10955
修課人數
8
本學期自111年5月9日(一)至111年5月21日(五) 本課程採遠距線上授課及評量 網址如下: 老師 https://meet.google.com/eqi-cjvo-kfb 助教 https://meet.google.com/hgf-uxcb-shu google classroom: https://classroom.google.com/c/NDY3MzQ1NzY2NjI1 「行動邊緣計算」課程教學目標:本課程介紹在4G/5G 系統架構中，邊緣計算的架構、行動網路協定與核網技術以及相關的邊緣計算應用。除了介紹邊緣計算與各項物聯網應用類型的關係，也包括雲端運算、霧端運算以及邊緣計算在新世代行動網路應用的特質與差異。課程將涵蓋各種邊緣計算的協定、架構與方法。
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
1. 行動邊緣計算與4G/5G網路架構介紹 無 2. 邊緣計算架構與標準: ETSI MEC 無 3. 實驗課程1 − 開源碼 LTE 實驗平台與網頁伺服器之建置 開源碼LTE實驗平台與網頁伺服器之建置: (1) Ubuntu環境建置與基礎實作。 (2) 安裝OAI-LTE開源碼平台。 (3) Wamp Server網站架設。 (4) WordPress網頁內容管理。 (5) 執行OAI平台並觀察結果。 4. 行動邊緣計算之應用 (Use Cases) 學生分組討論行動邊緣計算之應用，並於課堂上擇一主題報告。 5. Mobile Edge Computing: 行動邊緣計算 行動邊緣計算環境建置—雲端伺服器建置: 使用Linux平台架設 Edge Server。 6. 實驗課程2 − 雲端伺服器及邊緣計算伺服器之建置 雲端伺服器及邊緣計算伺服器之建置: (1) 使用 Linux 平台架設 Cloud Server (雲端伺服器)。 (2) UE與USRP無線連接實驗。 (3) USRP有線連接Edge Server、Cloud Server進行基本觀察與量測。 7. 行動邊緣計算服務情景 學生分組討論行動邊緣計算服務之應用場景規劃，並擇一主題於課堂上報告。 8. 雲端無線接取網路與邊緣計算 實作與探討MEC架構與C-RAN架構 9. 實驗課程3 − MoD/VoD Streaming資料串流實驗 MoD/VoD Streaming資料串流實驗: (1) 使用OAI平台實作 Cloud與Edge伺服器之通訊協定軟體。 (2) 使用MEC平台實作多媒體影音串流的Service Migration。 (3) 使用UE與網頁伺服器測試影音串流的特性。 10. 期中考:報告課程期末專題規劃 學生組隊並針對期末專題規劃進行提案報告。 11. 實驗課程4 − 邊緣計算與網路功能虛擬化:功能與架構 SDN/NFV核心網路的Open vSwitch與Ryu/NOX控制器模擬: (1) SDN/NFV核心網路的Open vSwitch (2) Ryu/NOX控制器模擬實驗 12. 實驗課程5 − AR/VR 邊緣計算實驗 AR/VR邊緣計算實驗: (1) 使用MEC 平台實作AR/VR 應用。 (2) 結合影像處理技術進行AR 視訊處理。 13. 邊緣計算之應用與資安議題 學生分組討論邊緣計算之資安議題，並於課堂上擇一主題報告。 14. 視覺演算法於嵌入式平台的高效計算部署 視覺演算法於嵌入式平台的高效計算部署: 使用Jetson Nano TensorRT平台執行Image classification、Object detection及Semantic Segmentation 15. 實驗課程6 – 物件偵測技術於車流分析之應用 物件偵測技術於車流分析之應用: (1) YOLOv5環境安裝與模型訓練。 (2) 使用YOLOv5實作車流分析。 16. 實驗課程7 − 車聯網之路況監視實現 車聯網之路況監視實現: 使用兩台NVIDIA JetRacer AI Kit前置鏡頭拍攝影像串流，串流透過eNB連接至Edge Server，並於OAI平台觀察實作結果。 17. 實驗課程8 − 車聯網之路況分享 車聯網之路況分享: (1) 使用物件偵測演算法YOLOv5辨識路況，將路況分析結果傳輸至Edge Server。 (2) 使用eNB將即時路況傳輸至附近車輛。 18. 期末考:學生期末專題製作成果發表 期末專題成果公開發表
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%)
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
L10955
修課人數
8
110-2_人工智慧與金融科技
教學目標
線上教學網址: https://meet.google.com/wvh-rkfh-xug
人工智慧與金融科技為當今重要之科技領域，本課程將教授此二領域的背景知識、理論及整合應用，循序漸進以讓學生具備跨此二領域的知識及能力。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-15.00%;專題實作與報告-15.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Week 1. Introduction to Artificial Intelligence and Financial Technology Week 2. Introduction to Artificial Intelligence and Financial Technology Week 3. Introduction to Investments Week 4. Simple Investment Models Week 5. Simple Investment Models Week 6. Web Technology and Internet Spiders Week 7. Automation of Financial Data Gathering and Modeling Week 8. Introduction to Learning Week 9. Introduction to Learning Week 10. Midterm-term Project Demo Week 11. Nearest Neighbor Algorithms Week 12. Introduction to Optimization and Genetic Algorithms Week 13. Introduction to Optimization and Genetic Algorithms Week 14. Information Theory and Decision Trees Week 15. Decision Trees, Data Mining, and Weka Week 16. Investment Applications by AI Week 17. Investment Applications by AI Week 18. Final-project Demo
教科書/參考書
1. 自訂教材 2.《投資學：基本原理與實務》第八版 謝劍平著
評分標準
Homework: 25% 3 project demos:75% Class attendance: +-10%
學分數
3
授課時數(周)
3
開課班級
L10955
修課人數
6
線上教學網址: https://meet.google.com/wvh-rkfh-xug
人工智慧與金融科技為當今重要之科技領域，本課程將教授此二領域的背景知識、理論及整合應用，循序漸進以讓學生具備跨此二領域的知識及能力。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-15.00%;專題實作與報告-15.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Week 1. Introduction to Artificial Intelligence and Financial Technology Week 2. Introduction to Artificial Intelligence and Financial Technology Week 3. Introduction to Investments Week 4. Simple Investment Models Week 5. Simple Investment Models Week 6. Web Technology and Internet Spiders Week 7. Automation of Financial Data Gathering and Modeling Week 8. Introduction to Learning Week 9. Introduction to Learning Week 10. Midterm-term Project Demo Week 11. Nearest Neighbor Algorithms Week 12. Introduction to Optimization and Genetic Algorithms Week 13. Introduction to Optimization and Genetic Algorithms Week 14. Information Theory and Decision Trees Week 15. Decision Trees, Data Mining, and Weka Week 16. Investment Applications by AI Week 17. Investment Applications by AI Week 18. Final-project Demo
教科書/參考書
1. 自訂教材 2.《投資學：基本原理與實務》第八版 謝劍平著
評分標準
Homework: 25% 3 project demos:75% Class attendance: +-10%
學分數
3
授課時數(周)
3
開課班級
L10955
修課人數
6
110-2_巨量資料分析
教學目標
1. 了解巨量資料的基本概念與分析需求
2. 了解基本的統計方法與各種資料探勘的方法
3. 了解巨量資料分析的系統平台與分析工具，包括Hadoop、HDFS、MapReduce、HBase、NoSQL資料庫等
4. 學習使用R或Python軟體進行資料分析
* 欲修習本課程的同學最好先修過資料探勘
為配合學校因應疫情，於2022/5/9~5/22的課程改成線上教學，授課平台為MS Teams，網址如下，或者進入Teams，選擇2022巨量資料分析。
https://teams.microsoft.com/l/team/19%3aK0CHePpjCiuumXRkz1P1YMeJp51H3P9pk2ivQbnH8Sk1%40thread.tacv2/conversations?groupId=2e5cfc06-05ab-4090-be02-c0c2f0e96005&tenantId=5a484953-77ef-42ec-90cf-2f4e1037ffc7
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
1. Course Introduction (0.5 Week)
2. Introduction to Big Data Analysis (1 Week)
3. Advanced Data Mining Techniques (5 Weeks)
- Advanced Classification
- Advanced Association Analysis
- Advanced Clustering
- Linear Regression
4. Basic Statistics (1 Week)
5. Hadoop Overview (2 Weeks)
- Cloud Computing
- HDFS
- HBase
- MapReduce
6. NoSQL databases (1 week)
7. Data Warehouse and Data Lake
8. Data Manipulation with R or Python (2 Weeks)
9. Data Analysis with R or Python (3 Weeks)
10. Case Study and Discussions (1 Week)
教科書/參考書
本課程無固定教材，相關參考資料如下:
1. Open Source的訓練教材
2. P.N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, Pearson Int., 2nd Edition, 2006.
3. D. Loshin, Big Data Analytics, Elsvier, 2013.
4. P. Spector, Data Manipulation with R, Springer, 2008.
5. R in Action: Data Analysis and Graphics with R, Manning, 2011.
評分標準
1. In-Class Exercises and Discussion: 20%
2. Homework: 30%
3. Project: 30%
4. Case Survey and Presentation 20%
5. Attendance: 20%
學分數
3
授課時數(周)
3
開課班級
L10955
修課人數
9
1. 了解巨量資料的基本概念與分析需求
2. 了解基本的統計方法與各種資料探勘的方法
3. 了解巨量資料分析的系統平台與分析工具，包括Hadoop、HDFS、MapReduce、HBase、NoSQL資料庫等
4. 學習使用R或Python軟體進行資料分析
* 欲修習本課程的同學最好先修過資料探勘
為配合學校因應疫情，於2022/5/9~5/22的課程改成線上教學，授課平台為MS Teams，網址如下，或者進入Teams，選擇2022巨量資料分析。
https://teams.microsoft.com/l/team/19%3aK0CHePpjCiuumXRkz1P1YMeJp51H3P9pk2ivQbnH8Sk1%40thread.tacv2/conversations?groupId=2e5cfc06-05ab-4090-be02-c0c2f0e96005&tenantId=5a484953-77ef-42ec-90cf-2f4e1037ffc7
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
1. Course Introduction (0.5 Week)
2. Introduction to Big Data Analysis (1 Week)
3. Advanced Data Mining Techniques (5 Weeks)
- Advanced Classification
- Advanced Association Analysis
- Advanced Clustering
- Linear Regression
4. Basic Statistics (1 Week)
5. Hadoop Overview (2 Weeks)
- Cloud Computing
- HDFS
- HBase
- MapReduce
6. NoSQL databases (1 week)
7. Data Warehouse and Data Lake
8. Data Manipulation with R or Python (2 Weeks)
9. Data Analysis with R or Python (3 Weeks)
10. Case Study and Discussions (1 Week)
教科書/參考書
本課程無固定教材，相關參考資料如下:
1. Open Source的訓練教材
2. P.N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, Pearson Int., 2nd Edition, 2006.
3. D. Loshin, Big Data Analytics, Elsvier, 2013.
4. P. Spector, Data Manipulation with R, Springer, 2008.
5. R in Action: Data Analysis and Graphics with R, Manning, 2011.
評分標準
1. In-Class Exercises and Discussion: 20%
2. Homework: 30%
3. Project: 30%
4. Case Survey and Presentation 20%
5. Attendance: 20%
學分數
3
授課時數(周)
3
開課班級
L10955
修課人數
9
110-2_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。 注意: 5/9~22的課程將以MS Teams線上上課
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
L10955
修課人數
3
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。 注意: 5/9~22的課程將以MS Teams線上上課
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
L10955
修課人數
3
110-2_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。 注意: 5/9~22的課程將以MS Teams線上上課
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
L11055
修課人數
8
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。 注意: 5/9~22的課程將以MS Teams線上上課
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
L11055
修課人數
8
110-2_科技論文寫作
教學目標
此課程主要在介紹一般科技論文的結構，各組成單元的寫作原則，資料整理與表達方式等。本課程講授內容規畫以中文論文的寫作為主，但同時亦介紹英文論文寫作的組織、用字遣詞、文法等基本技巧。
為配合學校因應疫情，於2022/5/9~5/22的課程改成線上教學，授課平台為MS Teams，網址如下，或者進入Teams，選擇2022科技論文寫作。
https://teams.microsoft.com/l/team/19%3alWXk0pRkvcrzlR4wpr3G0ef49Yv7Z9_ucfFE4QnQi041%40thread.tacv2/conversations?groupId=2b06ba3d-e753-4564-a6df-26f1d0ec709b&tenantId=5a484953-77ef-42ec-90cf-2f4e1037ffc7
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-20.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他:課堂練習-30.00%
課程內容與進度
1. 課程簡介
2. 基本研究方法
3. 論文組織結構
4. 各單元內容寫作介紹
* 題目
* 摘要
* 引言
* 正文
* 實驗設計
* 結果與討論
* 結論
* 致謝
* 參考文獻
5. 其他議題
* 參考文獻搜集
* 數學符號與公式
* 圖、表設計
* 文獻引用
* 註解
6. 不同體裁之論文專論
* 學位論文
* 研討會論文
* 期刊論文
7. 論文簡報
* 如何準備
* 簡報方式
8. 英文論文寫作專論
* 文法與修辭原則
* 標點符號
* 寫作風格與可讀性
* 常犯錯誤
* 關鍵句介紹
9. 論文徵稿與投稿
教科書/參考書
無特定之教科書
評分標準
出席 30%
課堂練習 30%
作業 20%
期末報告 20%
學分數
3
授課時數(周)
3
開課班級
M10955
修課人數
8
此課程主要在介紹一般科技論文的結構，各組成單元的寫作原則，資料整理與表達方式等。本課程講授內容規畫以中文論文的寫作為主，但同時亦介紹英文論文寫作的組織、用字遣詞、文法等基本技巧。
為配合學校因應疫情，於2022/5/9~5/22的課程改成線上教學，授課平台為MS Teams，網址如下，或者進入Teams，選擇2022科技論文寫作。
https://teams.microsoft.com/l/team/19%3alWXk0pRkvcrzlR4wpr3G0ef49Yv7Z9_ucfFE4QnQi041%40thread.tacv2/conversations?groupId=2b06ba3d-e753-4564-a6df-26f1d0ec709b&tenantId=5a484953-77ef-42ec-90cf-2f4e1037ffc7
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-20.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他:課堂練習-30.00%
課程內容與進度
1. 課程簡介
2. 基本研究方法
3. 論文組織結構
4. 各單元內容寫作介紹
* 題目
* 摘要
* 引言
* 正文
* 實驗設計
* 結果與討論
* 結論
* 致謝
* 參考文獻
5. 其他議題
* 參考文獻搜集
* 數學符號與公式
* 圖、表設計
* 文獻引用
* 註解
6. 不同體裁之論文專論
* 學位論文
* 研討會論文
* 期刊論文
7. 論文簡報
* 如何準備
* 簡報方式
8. 英文論文寫作專論
* 文法與修辭原則
* 標點符號
* 寫作風格與可讀性
* 常犯錯誤
* 關鍵句介紹
9. 論文徵稿與投稿
教科書/參考書
無特定之教科書
評分標準
出席 30%
課堂練習 30%
作業 20%
期末報告 20%
學分數
3
授課時數(周)
3
開課班級
M10955
修課人數
8
110-2_深度學習
教學目標
本學期自111年5月9日(一)至111年5月22日(日) 本課程採遠距線上授課及評量，網址如下: 老師: https://meet.google.com/eqi-cjvo-kfb 助教: https://meet.google.com/knq-ptdr-psm google classroom: https://classroom.google.com/c/MjI3ODIwNDIzMTMw?cjc=5l4qwcf 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 張保榮 機率、資訊論與數值計算 3 張保榮 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 期末課程專題公開展示
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
A10755
修課人數
27
本學期自111年5月9日(一)至111年5月22日(日) 本課程採遠距線上授課及評量，網址如下: 老師: https://meet.google.com/eqi-cjvo-kfb 助教: https://meet.google.com/knq-ptdr-psm google classroom: https://classroom.google.com/c/MjI3ODIwNDIzMTMw?cjc=5l4qwcf 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 張保榮 機率、資訊論與數值計算 3 張保榮 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 期末課程專題公開展示
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
A10755
修課人數
27
110-2_擴增實境
教學目標
因防疫需要，本課程將配合實施線上教學至本學期末 線上教學網址：https://meet.google.com/gwi-ndqd-hto 注意：本課程仍將實施線上點名，請同學按時登入出席上課 本課程主要希望透過循序漸進的方式，讓學生了解目前擴增實境的應用現況與互動方式，透過Unity的各項功能，從3D遊戲設計到創建擴增實境，最後透過案例實作，使學生具備Unity與AR的開發能力。
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-40.00%;田野調查-0.00%;實驗-0.00%;其他:上機實作-20.00%
課程內容與進度
1. unity遊戲與擴增實境介紹 2. unity簡介與基本操作 -材質 -鏡頭 -光源 -光影 -腳本 3. unity物件導向程式基礎-1 -物件參考型別、實值型別與自訂型別 4. unity物件導向程式基礎-2 -空間運算與物件移動 5. unity物件導向程式基礎-3 -繼承、父子物件與多重繼承 6. 2D遊戲操作 -物件配置、UI、預製物件 7. 2D遊戲操作 -角色控制、碰撞偵測 8. 2D遊戲操作 -攝影機、動畫 9. 期中課程專題報告 10. 3D遊戲-進階操作. -場景 -角色控制器 -特效 11. 3D遊戲-進階操作 -碰撞偵測 -自動控制 -GUI粒子系統 12. 3D遊戲實作-近戰遊戲 13. 擴增實境原理、引擎介紹與註冊 14. AR影像辨識圖卡製作與發佈 15. AR實作模型 16. AR實作 -AR型錄 -AR秀名片 17. AR實作 -AR大頭貼 -AR互動與上架 18. 期末課程專題報告
教科書/參考書
1.Jung Timothy, "Augmented Reality and Virtual Reality," Springer 2.邱勇標，"Unity 3D遊戲設計實戰（第三版）"，碁峰 3.謝旻儕、黃凱揚，"AR擴增實境輕鬆學：結合虛擬與真實的新科技應用"，深石 4.歐陽芳泉、林淑惠、鄭佳淵，”快快樂樂學 AR影像魔法-使用 Unity 與 Vuforia 開發套件”，台科大
評分標準
平時成績(含作業及出席率)60﹪ 期中報告20﹪ 期末報告20%
學分數
3
授課時數(周)
3
開課班級
A10755
修課人數
23
因防疫需要，本課程將配合實施線上教學至本學期末 線上教學網址：https://meet.google.com/gwi-ndqd-hto 注意：本課程仍將實施線上點名，請同學按時登入出席上課 本課程主要希望透過循序漸進的方式，讓學生了解目前擴增實境的應用現況與互動方式，透過Unity的各項功能，從3D遊戲設計到創建擴增實境，最後透過案例實作，使學生具備Unity與AR的開發能力。
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-40.00%;田野調查-0.00%;實驗-0.00%;其他:上機實作-20.00%
課程內容與進度
1. unity遊戲與擴增實境介紹 2. unity簡介與基本操作 -材質 -鏡頭 -光源 -光影 -腳本 3. unity物件導向程式基礎-1 -物件參考型別、實值型別與自訂型別 4. unity物件導向程式基礎-2 -空間運算與物件移動 5. unity物件導向程式基礎-3 -繼承、父子物件與多重繼承 6. 2D遊戲操作 -物件配置、UI、預製物件 7. 2D遊戲操作 -角色控制、碰撞偵測 8. 2D遊戲操作 -攝影機、動畫 9. 期中課程專題報告 10. 3D遊戲-進階操作. -場景 -角色控制器 -特效 11. 3D遊戲-進階操作 -碰撞偵測 -自動控制 -GUI粒子系統 12. 3D遊戲實作-近戰遊戲 13. 擴增實境原理、引擎介紹與註冊 14. AR影像辨識圖卡製作與發佈 15. AR實作模型 16. AR實作 -AR型錄 -AR秀名片 17. AR實作 -AR大頭貼 -AR互動與上架 18. 期末課程專題報告
教科書/參考書
1.Jung Timothy, "Augmented Reality and Virtual Reality," Springer 2.邱勇標，"Unity 3D遊戲設計實戰（第三版）"，碁峰 3.謝旻儕、黃凱揚，"AR擴增實境輕鬆學：結合虛擬與真實的新科技應用"，深石 4.歐陽芳泉、林淑惠、鄭佳淵，”快快樂樂學 AR影像魔法-使用 Unity 與 Vuforia 開發套件”，台科大
評分標準
平時成績(含作業及出席率)60﹪ 期中報告20﹪ 期末報告20%
學分數
3
授課時數(周)
3
開課班級
A10755
修課人數
23
110-2_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。 注意: 5/9~22的課程將以MS Teams線上上課
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
M10955
修課人數
28
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。 注意: 5/9~22的課程將以MS Teams線上上課
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
M10955
修課人數
28
110-2_醫療資訊學導論
教學目標
醫療資訊學是探討如何將資訊科學與技術運用於醫學和衛生保健等領域的研究，實際包含的內容相當廣泛，屬於跨領域的研究。本課程主要的目標在於介紹此領域的相關資源、設計和方法，特別著重於如何運用資訊科技，如人工智慧、影像處理、信號處理等，於醫療資料，如電子病歷、檢驗資料的獲取、儲存、隱私保護、分析和決策利用。同時也會介紹相關的標準化，如: DICOM, HL7，和醫學詞彙，如：SNOMED、UMLS、MedDRA等。 線上授課連結:https://meet.google.com/ddw-hqav-uig
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-20.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他:配合疫情需要，採用線上遠距授課。-10.00%
課程內容與進度
** Course Introduction & Understanding Medical Data (1 Week)
1.1 EHR
1.2 DICOM
1.3 Other Standards, e.g., HL7, UMLS, SNOMED, MedDRA
** Medical Data Processing and Analysis
Topic 1: Medical Image Processing
1.1 Basic Concept (2 weeks)
Introduction, Medical Imaging Modalities: X-Ray Imaging
Medical Imaging Modalities: Magnetic Resonance Imaging
1.2 Technologies (2 week)
Image Reconstruction, Image Segmentation
1.3 Case Studies (1 week)
Endoscopy Artefact Detection by Deep Transfer Learning
Topic 2: Medical Signal Processing
2.1 Basic Concept (2 week)
Introductions of biomedical signals: EEG, EOG, EMG, ECG
2.2 Technologies (2 weeks)
Feature extraction for biomedical signals
Classification methods for biomedical signals
2.3 Case Studies (1 week)
Disease detection
Emotion recognition
Other applications
Topic 3: Medical Data Privacy and Anonymization
3.1 Basic Concept
HIPPA, Privacy Preserving Data Publishing (0.5 week)
3.2 Technologies (2.5 weeks)
Privacy Protection Model
Data Anonymization Methods
3.3 Case Studies (1 week)
Blood Transfusion Service Data
Adverse Drug Event Reporting Data
Topic 4: Public Health Safety Surveillance
4.1 Drug and Vaccine Safety and Surveillance (1 week)
FAERS and VAERS system
4.2 ADR signal detection methods (1 week)
教科書/參考書
無具體教科書，由授課老師自行編寫講義。
評分標準
課堂討論&作業 30%
案例研討報告 30%
論文報告 30%
出席 10%
學分數
3
授課時數(周)
3
開課班級
A10755
修課人數
19
醫療資訊學是探討如何將資訊科學與技術運用於醫學和衛生保健等領域的研究，實際包含的內容相當廣泛，屬於跨領域的研究。本課程主要的目標在於介紹此領域的相關資源、設計和方法，特別著重於如何運用資訊科技，如人工智慧、影像處理、信號處理等，於醫療資料，如電子病歷、檢驗資料的獲取、儲存、隱私保護、分析和決策利用。同時也會介紹相關的標準化，如: DICOM, HL7，和醫學詞彙，如：SNOMED、UMLS、MedDRA等。 線上授課連結:https://meet.google.com/ddw-hqav-uig
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-20.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他:配合疫情需要，採用線上遠距授課。-10.00%
課程內容與進度
** Course Introduction & Understanding Medical Data (1 Week)
1.1 EHR
1.2 DICOM
1.3 Other Standards, e.g., HL7, UMLS, SNOMED, MedDRA
** Medical Data Processing and Analysis
Topic 1: Medical Image Processing
1.1 Basic Concept (2 weeks)
Introduction, Medical Imaging Modalities: X-Ray Imaging
Medical Imaging Modalities: Magnetic Resonance Imaging
1.2 Technologies (2 week)
Image Reconstruction, Image Segmentation
1.3 Case Studies (1 week)
Endoscopy Artefact Detection by Deep Transfer Learning
Topic 2: Medical Signal Processing
2.1 Basic Concept (2 week)
Introductions of biomedical signals: EEG, EOG, EMG, ECG
2.2 Technologies (2 weeks)
Feature extraction for biomedical signals
Classification methods for biomedical signals
2.3 Case Studies (1 week)
Disease detection
Emotion recognition
Other applications
Topic 3: Medical Data Privacy and Anonymization
3.1 Basic Concept
HIPPA, Privacy Preserving Data Publishing (0.5 week)
3.2 Technologies (2.5 weeks)
Privacy Protection Model
Data Anonymization Methods
3.3 Case Studies (1 week)
Blood Transfusion Service Data
Adverse Drug Event Reporting Data
Topic 4: Public Health Safety Surveillance
4.1 Drug and Vaccine Safety and Surveillance (1 week)
FAERS and VAERS system
4.2 ADR signal detection methods (1 week)
教科書/參考書
無具體教科書，由授課老師自行編寫講義。
評分標準
課堂討論&作業 30%
案例研討報告 30%
論文報告 30%
出席 10%
學分數
3
授課時數(周)
3
開課班級
A10755
修課人數
19
110-2_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.
因應教務處通知5/9-22實施線上授課，5/11, 5/18: 遠距教學。使用的遠距教學的工具是Google Meet， 網址https://meet.google.com/qrp-mgrx-ajj 即可加入會議。
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. Project Implementation
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 (Paper report) (30%)
Term project (50%)
2 Homework assignments (20%)
Class attendance (-10~+10%)
學分數
3
授課時數(周)
3
開課班級
M10955
修課人數
20
1. Learning the basic steps in medical image processing.
2. Practicing medical image processing in the PYTHON environment.
因應教務處通知5/9-22實施線上授課，5/11, 5/18: 遠距教學。使用的遠距教學的工具是Google Meet， 網址https://meet.google.com/qrp-mgrx-ajj 即可加入會議。
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. Project Implementation
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 (Paper report) (30%)
Term project (50%)
2 Homework assignments (20%)
Class attendance (-10~+10%)
學分數
3
授課時數(周)
3
開課班級
M10955
修課人數
20
110-2_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 3. 預計講述cuda、pthread、openMP函式應用 注意: 5/9~22的課程將以MS Teams線上上課
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. CUDA 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
M10955
修課人數
26
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 3. 預計講述cuda、pthread、openMP函式應用 注意: 5/9~22的課程將以MS Teams線上上課
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. CUDA 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
M10955
修課人數
26
110-2_物聯網
教學目標
隨著資訊與通訊科技的蓬勃發展，網際網路的連結裝置，從傳統以電腦為主，目前已擴大到具行動性的智慧型裝置，如手機、手錶、眼鏡、車輛、飛行器等裝置，未來也將應用到更多樣的設備或物體上。以物體聯網應用為導向的物聯網，遂成為目前熱門的學術研究與產業發展議題。本課程將介紹物聯網的概念，並說明與物聯網有關的網路與系統技術，以及應用現況及未來展望。主要以NB-IoT協定與相關模組之應用為基礎。 線上授課網址: https://meet.google.com/hiy-mymm-orx
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-20.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-10.00%;其他-0.00%
課程內容與進度
1. NB-IOT技術與應用簡介 2. EC-GSM通訊協定技術介紹 3. LTE-M通訊協定技術介紹 4. NB-IOT通訊協定技術介紹 5. 5G與NB-IOT的關聯性與發展趨勢 6. NB-IOT產業應用 7. NB-IoT實習項目 A、 LinkIt7697 物聯網平台開發版（Arduino 環境下） B、 NB-IoT通訊模組(SIM 卡), 傳輸數據到雲端 C、 NB-IoT穿戴式感應器(GPS, NB-IoT, 藍芽, 三軸加速器, 溫溼度感應器) D、 NB-IoT環境感應器(NB-IoT, 土壤感應器(溫度, 濕度, 電導度)) E、 NB-IoT智慧校園創新應用設計開發
教科書/參考書
自編教材與指定論文
評分標準
暫定：
學分數
3
授課時數(周)
3
開課班級
M10955
修課人數
31
隨著資訊與通訊科技的蓬勃發展，網際網路的連結裝置，從傳統以電腦為主，目前已擴大到具行動性的智慧型裝置，如手機、手錶、眼鏡、車輛、飛行器等裝置，未來也將應用到更多樣的設備或物體上。以物體聯網應用為導向的物聯網，遂成為目前熱門的學術研究與產業發展議題。本課程將介紹物聯網的概念，並說明與物聯網有關的網路與系統技術，以及應用現況及未來展望。主要以NB-IoT協定與相關模組之應用為基礎。 線上授課網址: https://meet.google.com/hiy-mymm-orx
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-20.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-10.00%;其他-0.00%
課程內容與進度
1. NB-IOT技術與應用簡介 2. EC-GSM通訊協定技術介紹 3. LTE-M通訊協定技術介紹 4. NB-IOT通訊協定技術介紹 5. 5G與NB-IOT的關聯性與發展趨勢 6. NB-IOT產業應用 7. NB-IoT實習項目 A、 LinkIt7697 物聯網平台開發版（Arduino 環境下） B、 NB-IoT通訊模組(SIM 卡), 傳輸數據到雲端 C、 NB-IoT穿戴式感應器(GPS, NB-IoT, 藍芽, 三軸加速器, 溫溼度感應器) D、 NB-IoT環境感應器(NB-IoT, 土壤感應器(溫度, 濕度, 電導度)) E、 NB-IoT智慧校園創新應用設計開發
教科書/參考書
自編教材與指定論文
評分標準
暫定：
- 課程出席
- 隨堂表現
- 期中報告暨書報討論
- 期末考/期末專題
學分數
3
授課時數(周)
3
開課班級
M10955
修課人數
31
110-2_專題研究(二)
教學目標
因防疫需要，本課程將配合實施線上教學至本學期末 線上教學網址：https://meet.google.com/wpj-zkjv-oqb 注意：本課程仍將實施線上點名，請同學按時登入出席上課 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
M11055
修課人數
18
因防疫需要，本課程將配合實施線上教學至本學期末 線上教學網址：https://meet.google.com/wpj-zkjv-oqb 注意：本課程仍將實施線上點名，請同學按時登入出席上課 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
M11055
修課人數
18
110-2_專題研究(四)
教學目標
因防疫需要，本課程將配合實施線上教學至本學期末 線上教學網址：https://meet.google.com/wpj-zkjv-oqb 注意：本課程仍將實施線上點名，請同學按時登入出席上課 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
M10955
修課人數
15
因防疫需要，本課程將配合實施線上教學至本學期末 線上教學網址：https://meet.google.com/wpj-zkjv-oqb 注意：本課程仍將實施線上點名，請同學按時登入出席上課 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
M10955
修課人數
15
110-2_行動邊緣計算
教學目標
本學期自111年5月9日(一)至111年5月21日(五) 本課程採遠距線上授課及評量 網址如下: 老師 https://meet.google.com/eqi-cjvo-kfb 助教 https://meet.google.com/hgf-uxcb-shu google classroom: https://classroom.google.com/c/NDY3MzQ1NzY2NjI1 「行動邊緣計算」課程教學目標:本課程介紹在4G/5G 系統架構中，邊緣計算的架構、行動網路協定與核網技術以及相關的邊緣計算應用。除了介紹邊緣計算與各項物聯網應用類型的關係，也包括雲端運算、霧端運算以及邊緣計算在新世代行動網路應用的特質與差異。課程將涵蓋各種邊緣計算的協定、架構與方法。
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
1. 行動邊緣計算與4G/5G網路架構介紹 無 2. 邊緣計算架構與標準: ETSI MEC 無 3. 實驗課程1 − 開源碼 LTE 實驗平台與網頁伺服器之建置 開源碼LTE實驗平台與網頁伺服器之建置: (1) Ubuntu環境建置與基礎實作。 (2) 安裝OAI-LTE開源碼平台。 (3) Wamp Server網站架設。 (4) WordPress網頁內容管理。 (5) 執行OAI平台並觀察結果。 4. 行動邊緣計算之應用 (Use Cases) 學生分組討論行動邊緣計算之應用，並於課堂上擇一主題報告。 5. Mobile Edge Computing: 行動邊緣計算 行動邊緣計算環境建置—雲端伺服器建置: 使用Linux平台架設 Edge Server。 6. 實驗課程2 − 雲端伺服器及邊緣計算伺服器之建置 雲端伺服器及邊緣計算伺服器之建置: (1) 使用 Linux 平台架設 Cloud Server (雲端伺服器)。 (2) UE與USRP無線連接實驗。 (3) USRP有線連接Edge Server、Cloud Server進行基本觀察與量測。 7. 行動邊緣計算服務情景 學生分組討論行動邊緣計算服務之應用場景規劃，並擇一主題於課堂上報告。 8. 雲端無線接取網路與邊緣計算 實作與探討MEC架構與C-RAN架構 9. 實驗課程3 − MoD/VoD Streaming資料串流實驗 MoD/VoD Streaming資料串流實驗: (1) 使用OAI平台實作 Cloud與Edge伺服器之通訊協定軟體。 (2) 使用MEC平台實作多媒體影音串流的Service Migration。 (3) 使用UE與網頁伺服器測試影音串流的特性。 10. 期中考:報告課程期末專題規劃 學生組隊並針對期末專題規劃進行提案報告。 11. 實驗課程4 − 邊緣計算與網路功能虛擬化:功能與架構 SDN/NFV核心網路的Open vSwitch與Ryu/NOX控制器模擬: (1) SDN/NFV核心網路的Open vSwitch (2) Ryu/NOX控制器模擬實驗 12. 實驗課程5 − AR/VR 邊緣計算實驗 AR/VR邊緣計算實驗: (1) 使用MEC 平台實作AR/VR 應用。 (2) 結合影像處理技術進行AR 視訊處理。 13. 邊緣計算之應用與資安議題 學生分組討論邊緣計算之資安議題，並於課堂上擇一主題報告。 14. 視覺演算法於嵌入式平台的高效計算部署 視覺演算法於嵌入式平台的高效計算部署: 使用Jetson Nano TensorRT平台執行Image classification、Object detection及Semantic Segmentation 15. 實驗課程6 – 物件偵測技術於車流分析之應用 物件偵測技術於車流分析之應用: (1) YOLOv5環境安裝與模型訓練。 (2) 使用YOLOv5實作車流分析。 16. 實驗課程7 − 車聯網之路況監視實現 車聯網之路況監視實現: 使用兩台NVIDIA JetRacer AI Kit前置鏡頭拍攝影像串流，串流透過eNB連接至Edge Server，並於OAI平台觀察實作結果。 17. 實驗課程8 − 車聯網之路況分享 車聯網之路況分享: (1) 使用物件偵測演算法YOLOv5辨識路況，將路況分析結果傳輸至Edge Server。 (2) 使用eNB將即時路況傳輸至附近車輛。 18. 期末考:學生期末專題製作成果發表 期末專題成果公開發表
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%)
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
A10755
修課人數
22
本學期自111年5月9日(一)至111年5月21日(五) 本課程採遠距線上授課及評量 網址如下: 老師 https://meet.google.com/eqi-cjvo-kfb 助教 https://meet.google.com/hgf-uxcb-shu google classroom: https://classroom.google.com/c/NDY3MzQ1NzY2NjI1 「行動邊緣計算」課程教學目標:本課程介紹在4G/5G 系統架構中，邊緣計算的架構、行動網路協定與核網技術以及相關的邊緣計算應用。除了介紹邊緣計算與各項物聯網應用類型的關係，也包括雲端運算、霧端運算以及邊緣計算在新世代行動網路應用的特質與差異。課程將涵蓋各種邊緣計算的協定、架構與方法。
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
1. 行動邊緣計算與4G/5G網路架構介紹 無 2. 邊緣計算架構與標準: ETSI MEC 無 3. 實驗課程1 − 開源碼 LTE 實驗平台與網頁伺服器之建置 開源碼LTE實驗平台與網頁伺服器之建置: (1) Ubuntu環境建置與基礎實作。 (2) 安裝OAI-LTE開源碼平台。 (3) Wamp Server網站架設。 (4) WordPress網頁內容管理。 (5) 執行OAI平台並觀察結果。 4. 行動邊緣計算之應用 (Use Cases) 學生分組討論行動邊緣計算之應用，並於課堂上擇一主題報告。 5. Mobile Edge Computing: 行動邊緣計算 行動邊緣計算環境建置—雲端伺服器建置: 使用Linux平台架設 Edge Server。 6. 實驗課程2 − 雲端伺服器及邊緣計算伺服器之建置 雲端伺服器及邊緣計算伺服器之建置: (1) 使用 Linux 平台架設 Cloud Server (雲端伺服器)。 (2) UE與USRP無線連接實驗。 (3) USRP有線連接Edge Server、Cloud Server進行基本觀察與量測。 7. 行動邊緣計算服務情景 學生分組討論行動邊緣計算服務之應用場景規劃，並擇一主題於課堂上報告。 8. 雲端無線接取網路與邊緣計算 實作與探討MEC架構與C-RAN架構 9. 實驗課程3 − MoD/VoD Streaming資料串流實驗 MoD/VoD Streaming資料串流實驗: (1) 使用OAI平台實作 Cloud與Edge伺服器之通訊協定軟體。 (2) 使用MEC平台實作多媒體影音串流的Service Migration。 (3) 使用UE與網頁伺服器測試影音串流的特性。 10. 期中考:報告課程期末專題規劃 學生組隊並針對期末專題規劃進行提案報告。 11. 實驗課程4 − 邊緣計算與網路功能虛擬化:功能與架構 SDN/NFV核心網路的Open vSwitch與Ryu/NOX控制器模擬: (1) SDN/NFV核心網路的Open vSwitch (2) Ryu/NOX控制器模擬實驗 12. 實驗課程5 − AR/VR 邊緣計算實驗 AR/VR邊緣計算實驗: (1) 使用MEC 平台實作AR/VR 應用。 (2) 結合影像處理技術進行AR 視訊處理。 13. 邊緣計算之應用與資安議題 學生分組討論邊緣計算之資安議題，並於課堂上擇一主題報告。 14. 視覺演算法於嵌入式平台的高效計算部署 視覺演算法於嵌入式平台的高效計算部署: 使用Jetson Nano TensorRT平台執行Image classification、Object detection及Semantic Segmentation 15. 實驗課程6 – 物件偵測技術於車流分析之應用 物件偵測技術於車流分析之應用: (1) YOLOv5環境安裝與模型訓練。 (2) 使用YOLOv5實作車流分析。 16. 實驗課程7 − 車聯網之路況監視實現 車聯網之路況監視實現: 使用兩台NVIDIA JetRacer AI Kit前置鏡頭拍攝影像串流，串流透過eNB連接至Edge Server，並於OAI平台觀察實作結果。 17. 實驗課程8 − 車聯網之路況分享 車聯網之路況分享: (1) 使用物件偵測演算法YOLOv5辨識路況，將路況分析結果傳輸至Edge Server。 (2) 使用eNB將即時路況傳輸至附近車輛。 18. 期末考:學生期末專題製作成果發表 期末專題成果公開發表
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%)
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
A10755
修課人數
22
110-2_永續運算應用與實務
教學目標
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-15.00%;專題實作與報告-15.00%;田野調查-0.00%;實驗-20.00%;其他-0.00%
課程內容與進度
ITU ICT4SDG資通訊技術與永續發展目標
永續運算系統架構及永續性分析
行動通訊演進與4G/5G網路架構、邊緣計算架構與標準: ETSI MEC
行動邊緣計算之SDG應用(Use Cases)
行動邊緣計算SDG服務情景(Service Scenarios)
邊緣計算技術與特性
雲端無線接取網路與邊緣計算
邊緣計算與網路功能虛擬化：功能與架構
邊緣計算階層架構SDG案例
邊緣智慧裝置與資訊安全(業師)
邊緣計算的SDG垂直運用整合與管理
應用與實務分析：再生能源、智慧電網、循環經濟
教科書/參考書
參考資料：
評分標準
課程參與、學習歷程、學習成果報告、期末專題
學分數
3
授課時數(周)
3
開課班級
A10755
修課人數
23
因防疫需要，5月9號到22號資工系實施線上授課，本課程將配合實施線上教學 線上教學網址： https://classroom.google.com/ 注意：本課程仍將實施線上點名，請同學按時登入出席上課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。本課程以5G核網聯盟中心「行動邊緣計算」教材為基礎，融入ITU國際電信聯盟提供的ICT4SDG永續運算應用輔助教材，讓同學理解最新的行動資通訊技術如何與聯合國永續發展目標(SDG)結合。
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-15.00%;專題實作與報告-15.00%;田野調查-0.00%;實驗-20.00%;其他-0.00%
課程內容與進度
課程內容包括行動邊緣計算及ITU ICT4SDG：
教科書/參考書
參考資料：
- UN ITU, ICT for Sustainable Development#ICT4SDG, https://www.itu.int/ict4sdg/
- 教育部5G行動寬頻跨校教學聯盟:5G行動網路協定與核網技術聯盟中心
評分標準
課程參與、學習歷程、學習成果報告、期末專題
學分數
3
授課時數(周)
3
開課班級
A10755
修課人數
23
110-2_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 注意: 5/9~22的課程將以MS Teams線上上課
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
M10955
修課人數
15
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 注意: 5/9~22的課程將以MS Teams線上上課
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
M10955
修課人數
15
110-2_書報討論(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
因防疫需要，5月9號到22號資工系實施線上授課，本課程將配合實施線上教學 線上教學網址：https://meet.google.com/wpj-zkjv-oqb 注意：本課程仍將實施線上點名，請同學按時登入出席上課
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
M11055
修課人數
18
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
因防疫需要，5月9號到22號資工系實施線上授課，本課程將配合實施線上教學 線上教學網址：https://meet.google.com/wpj-zkjv-oqb 注意：本課程仍將實施線上點名，請同學按時登入出席上課
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
M11055
修課人數
18
110-2_5G創新應用與核網資安
教學目標
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
教科書/參考書
自編教材、3GPP標準文件及相關資料
評分標準
1.實驗 (30%) 2.自學報告 (30%) 3.期末專題 (40%)
學分數
3
授課時數(周)
3
開課班級
A10755
修課人數
16
因防疫需要，5月9號到22號資工系實施線上授課，本課程將配合實施線上教學 線上教學網址： https://classroom.google.com/ ，課程直播及錄影用 Microsoft Teams 注意：本課程仍將實施線上點名，請同學按時登入出席上課本課程為「教育部5G行動寬頻跨校教學聯盟—5G行動網路協定與核網技術中心」教材發展計畫課程，將介紹5G新的CAPIF暨SEAL/VAL服務應用架構，培養學生在5G核網系統中開發新網路功能(NF/AF)的能力，以及開發MCx/xAPP新型態應用的能力。針對新的5G物聯裝置及創新應用，本課程也將介紹相關的安全議題，使學生深刻體驗5G系統的安全與隱私挑戰。核心能力包括：在Linux上建置及測試5G專網開源碼系統的能力；了解5G系統中核網創新應用服務的運作模式；熟悉5G專網中新型態行動裝置與核網協同應用的開發模式；了解5G核網的安全技術、挑戰與防範；熟悉5G核網的隱私規範、風險與保護。
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
第1週：5G行動通訊簡介 第2週：5G核網暨專網技術 第3週：實驗1：5G專網建置與量測實驗 第4週：5G應用與服務架構 第5週：CAPIF與Northbound APIs 第6週：實驗2：5G核網中網路功能應用服務(NF/AF)開發實驗 第7週：VAL (Vertical Application enabler Layer)與SEAL (Service Enabler Architecture Layer) 第8週：5G Mission-Critical (MCx)和Vertical Applications (xAPP) 第9週：實驗3：5G專網中行動裝置與核網協同應用開發實驗 第10週：期中報告 第11週：5G安全挑戰與要求 第12週：5G安全技術架構與Security Assurance Specification (SCAS)規範 第13週：5G Network Domain Security (NDS) 第14週：實驗4：5G核網滲透測試與壓力測試實驗 第15週：Universal Integrated Circuit Card (UICC)與Generic Authentication Architecture (GAA) 第16週：5G Lawful Interception (LI)與Access Security 第17週：實驗5：偽基站收集行動裝置識別與連線資訊實驗 第18週：期末專題
教科書/參考書
自編教材、3GPP標準文件及相關資料
評分標準
1.實驗 (30%) 2.自學報告 (30%) 3.期末專題 (40%)
學分數
3
授課時數(周)
3
開課班級
A10755
修課人數
16