111-1_智慧型系統
資訊工程學系
教學目標
covid-19遠距線上授課 Instructor meet: https://meet.google.com/eqi-cjvo-kfb TA meet: https://meet.google.com/lookup/gdphpeea6h google classroom: https://classroom.google.com/c/Mzk0NTI0MDkxMjQz?cjc=a2hiokx 本課程讓學生瞭解工業物聯網以及深度學習時空間資料探勘之類神經網路相關的技術,並採用Python、Tensorflow、Keras或Julia程式設計工具,訓練學生透過工業物聯網搜集工廠機台的數據並導入類神經網路模型做為智慧型系統以解決各類問題。另將深度學習和許多典型的方法對特定的主題尋求解決的結果做比較,進一步探討各種方法在效能、效率之間的差異。本課程是總結性課程(Capstone)強調問題導向學習(PBL)的訓練方式,所以引入智慧製造、智慧醫療、智慧生活等實作範例啟發學生了解實務應用,並指導學生組隊進行課程專題製作並在期末舉行公開發表,以深化學生具備智慧型系統應用能力的養成。

授課形式
理論講述與討論-78.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-22.00%;其他-0.00%

課程內容與進度
1 深度學習之基礎介紹和智慧影像分析與應用之基礎介紹 2 NN單元一:常見深度學習模型介紹 3 NN單元二:CNN深度學習模型介紹 4 NN單元三:進階深度學習模型介紹 5 NN單元四:進階深度學習模型介紹 6 業師演講:待定 7 人工智慧視覺感知運算系統模組 8 人工智慧視覺感知運算系統模組 9 期中報告 10 業師演講 11 人工智慧視覺感知運算系統模組 12 人工智慧視覺感知運算系統模組 13 業師演講 14 深度學習於智慧汽車應用 15 深度學習於智慧汽車應用 16 深度學習於智慧汽車應用 17 深度學習於智慧汽車應用 18 期末課程專題舉行公開發表

教科書/參考書
Textbook: 機器學習:類神經網路、模糊系統以及基因演算法則(修訂二版) Author: 蘇木春、張孝德著 Publishing Company: 全華圖書

評分標準
平常考 30% 期中考  35% 期末考  35% 課堂參與 -10%~+10%

學分數
3

授課時數(周)
3

開課班級
L11055

修課人數
11

111-1_高等演算法
資訊工程學系
教學目標
1.複習基本演算法設計與分析的技巧
2. 了解演算法目前研究的最新動態
3. 探討各種演算法的實際應用


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
第1週 Introduction to algorithms
第2-6週 The complexity of algorithms
第7-10週 NP-complete problem
第11週 期中考
第12週 論文研究方式
第13週 Fermat最後定理
第14-15週 greedy method, divide-and-conquer algorithms, dynamic programming strategy
第16-17週 分組報告
第18週 口試

教科書/參考書
S. Dasgupta, C. Papadimitriou, U. Vazirani: Algorithms, 2007, 開發 T. H. Cormen , C. E. Leiserson, R. L. Rivest and C. Stein: Introdution to Algorithms,Graw-Hill Book Company 2001, 開發

評分標準
報告 35% 期中考 45% 作業與平時 20%

學分數
3

授課時數(周)
3

開課班級
L11055

修課人數
19

111-1_資料探勘
資訊工程學系
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,並藉由實際產品與案例的研討,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 Weka工具介紹
9 Association Analysis I
10 Association Analysis II
11 Cluster Analysis I
12 Cluster Analysis II
13 Anomaly Detection
14 Other Advanced Topics
15 案例研討
16 論文報告
17 專題展示


教科書/參考書
教科書:
P.N. Tan, M. Steinbach, A. Karpatne, and V. Kumar, Introduction to Data Mining, 2nd Ed., Pearson International Edition, 2019.

參考書:
簡禎富, 許嘉裕。大數據分析與資料挖礦。前程文化, 2019.


評分標準
論文報告 25%
作業 30%
專題 25%
出席 20%

學分數
3

授課時數(周)
3

開課班級
L11055

修課人數
11

111-1_專題研究(三)
資訊工程學系
教學目標
和研究生討論研究方向與研究議題

授課形式
理論講述與討論-0.00%;個案分析或作品賞析-0.00%;專題實作與報告-100.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
paper and research discussion

教科書/參考書


評分標準
依據成果給予評分

學分數
2

授課時數(周)
2

開課班級
L11055

修課人數
7

111-1_專題研究(一)
資訊工程學系
教學目標
The goal of this course is to expose students to the latest research in the field of computer science and information engineering, including intelligent systems, embedded systems, networks and multimedia.

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
paper and research discussion

教科書/參考書
research papers from conferences and journals

評分標準
reports: 100%

學分數
2

授課時數(周)
2

開課班級
L11155

修課人數
11

111-1_巨量資料分析
資訊工程學系
教學目標
covid-19遠距線上授課 Instructor meet: https://meet.google.com/eqi-cjvo-kfb TA meet: https://meet.google.com/hmd-etqg-ngs google classroom: https://classroom.google.com/c/Mzg5NjE2MjYyMTcz?cjc=7xbgqzc 本課程讓學生瞭解Python程式設計入門、Python進階資料分析、Python機器學習應用及大數據平台實作及實例應用。本課程是總結性課程(Capstone)採用MOOCs教材進行翻轉教室教學並強調問題導向學習(PBL)的訓練方式,所以引入智慧製造、智慧醫療、智慧生活等實作範例啟發學生了解實務應用,並指導學生組隊進行課程專題製作並在期末舉行公開發表,以深化學生具備大數據大數據分析應用能力的養成。

授課形式
理論講述與討論-78.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-22.00%;其他-0.00%

課程內容與進度
1 Python安裝簡介與基礎語法和變數型態 2 Python資料結構及流程語法 3 國慶日補假 4 Python套件Numpy與Pandas 5 Python套件Matplotlib 6 資料聚合及異常值分析 7 相關性分析及假設檢定 8 購物籃分析及時間序列簡介 9 期末專題題目構想報告 10 Scikit-learn簡介與線性回歸預測 11 邏輯回歸分類及支持向量機分類 12 決策樹與隨機森林及KNN分類 13 Kmeans分類與主成分分析降維 14 業師授課 15 Hadoop簡介與安裝 16 Spark安裝與操作 17 使用PySpark進行線性與邏輯回歸 18 専題製作成果公開展示

教科書/參考書
Textbook: 機器學習:類神經網路、模糊系統以及基因演算法則(修訂二版) Author: 蘇木春、張孝德著 Publishing Company: 全華圖書

評分標準
平常考 30% 期中考  35% 期末考  35% 課堂參與 -10%~+10%

學分數
3

授課時數(周)
3

開課班級
A10855

修課人數
31

111-1_專題研究(三)
資訊工程學系
教學目標
和研究生討論研究方向與研究議題

授課形式
理論講述與討論-0.00%;個案分析或作品賞析-0.00%;專題實作與報告-100.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%

課程內容與進度
paper and research discussion

教科書/參考書


評分標準
依據成果給予評分

學分數
1

授課時數(周)
3

開課班級
M11055

修課人數
17

111-1_即時計算機系統
資訊工程學系
教學目標
本課程以實務與理論並重的角度,探討即時系統的各種設計上得挑戰與解決方案。課程之中,將介紹各種在工業界廣為使用的排程演算法,解說設計原理。本課程有實際動手的程式作業,需撰寫排程演算法的程式。透過實際動手設計排程演算法以及進行效能評估,希望同學們可以建立紮實的觀念與技巧。

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. Independent Task Scheduling 2. Aperiodic and Sporadic Job Scheduling 3. Resource Synchronization Protocols 4. Multiprocessor and Distributed Systems

教科書/參考書
1. Jane W.S. Liu, Real-Time Systems, Prentice Hall, 2000 2. Selected technical papers

評分標準
1. Mid-term Exam: 25% 2. Final Exam: 25% 3. Projects (Algorithm implementation): 20% 4. Quizzes: 17% 5. Homework: 8% 6. Paper presentation: 5% 7. Class Participation (Bonus): 5~10%

學分數
3

授課時數(周)
3

開課班級
A10855

修課人數
19

111-1_智慧型系統
資訊工程學系
教學目標
covid-19遠距線上授課 Instructor meet: https://meet.google.com/eqi-cjvo-kfb TA meet: https://meet.google.com/lookup/frdpcxrhwc google classroom: https://classroom.google.com/c/Mzk0NTI0MDkxMjQz?cjc=a2hiokx 本課程讓學生瞭解工業物聯網以及深度學習時空間資料探勘之類神經網路相關的技術,並採用Python、Tensorflow、Keras或Julia程式設計工具,訓練學生透過工業物聯網搜集工廠機台的數據並導入類神經網路模型做為智慧型系統以解決各類問題。另將深度學習和許多典型的方法對特定的主題尋求解決的結果做比較,進一步探討各種方法在效能、效率之間的差異。本課程是總結性課程(Capstone)強調問題導向學習(PBL)的訓練方式,所以引入智慧製造、智慧醫療、智慧生活等實作範例啟發學生了解實務應用,並指導學生組隊進行課程專題製作並在期末舉行公開發表,以深化學生具備智慧型系統應用能力的養成。

授課形式
理論講述與討論-78.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-22.00%;其他-0.00%

課程內容與進度
1 深度學習之基礎介紹和智慧影像分析與應用之基礎介紹 2 NN單元一:常見深度學習模型介紹 3 NN單元二:CNN深度學習模型介紹 4 NN單元三:進階深度學習模型介紹 5 NN單元四:進階深度學習模型介紹 6 業師演講:待定 7 人工智慧視覺感知運算系統模組 8 人工智慧視覺感知運算系統模組 9 期中報告 10 業師演講 11 人工智慧視覺感知運算系統模組 12 人工智慧視覺感知運算系統模組 13 業師演講 14 深度學習於智慧汽車應用 15 深度學習於智慧汽車應用 16 深度學習於智慧汽車應用 17 深度學習於智慧汽車應用 18 期末課程專題舉行公開發表

教科書/參考書
Textbook: 機器學習:類神經網路、模糊系統以及基因演算法則(修訂二版) Author: 蘇木春、張孝德著 Publishing Company: 全華圖書

評分標準
平常考 30% 期中考  35% 期末考  35% 課堂參與 -10%~+10%

學分數
3

授課時數(周)
3

開課班級
M11055

修課人數
29

111-1_量子計算
資訊工程學系
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-90.00%;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-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
M11055

修課人數
11

111-1_軟式計算
資訊工程學系
教學目標
本課程使用Google classroom做為遠距教學平台 讓同學瞭解Soft Computing相關的技術及其應用,根據特定主題,進一步配合以Python程式語言與Soft Computing相關技術來解決典型的problem-solving問題之解決之方法。

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. Introduction to Soft Computing 2. Problem Solving 3. Introduction to Fuzzy logic 4. Fuzzy Relations, Rules, and Inferences 5. Introduction to Artificial Neural Network 6. Artificial Neural Network Architectures 7. Introduction to Genetic Algorithm 8. Genetic Algorithm Applications (業師協同授課) 9. Final Project

教科書/參考書
1. Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, 3rd Edition, 2010. 2. Devendra K. Chaturvedi, Soft Computing: Techniques and its Applications in Electrical Engineering, 2008. 3. S. N. Sivanandam and S. N. Deepa, Principles of Soft Computing, 3ed, 2018 4. K. Barua, P. Chakrabarti,Fundamental of Soft Computing, 2019. 5. EyS. N. Sivanandam and S. N. Deepaal Wirsansky, Hands-on Genetic Algorithms with Python, 2020

評分標準
Tentative grading policies, subject to change. 課堂參與: 10% 期中考: 30% 作業: 30% Final Project: 30%

學分數
3

授課時數(周)
3

開課班級
M11055

修課人數
25

111-1_資料探勘
資訊工程學系
教學目標
本課程目的在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,並藉由實際案例的研討,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 專題展示


教科書/參考書
教科書:
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
A10855

修課人數
13

111-1_專題研究(一)
資訊工程學系
教學目標
The goal of this course is to expose students to the latest research in the field of computer science and information engineering, including intelligent systems, embedded systems, networks and multimedia.

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
paper and research discussion

教科書/參考書
research papers from conferences and journals

評分標準
reports: 100%

學分數
1

授課時數(周)
3

開課班級
M11155

修課人數
21

111-1_書報討論(三)
資訊工程學系
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.邀請著名學者演講 3.學生報告自己的論文想法

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
17

111-1_書報討論(一)
資訊工程學系
教學目標
1.瞭解最新的科技趨勢 2.充實實務知識 3.強化研究技巧 4.增加英文閱讀語寫作能力

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

教科書/參考書
者演講投影片

評分標準
1.出席(50%) 2.心得報告內容(50%)

學分數
1

授課時數(周)
2

開課班級
M11155

修課人數
21