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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

教學目標
電腦網路是現今資訊與通訊科技的重要研究領域，本課程將帶領學生研讀先進的電腦網路技術，並藉由書報討論、論文研讀等，訓練學生評析即有技術、設計創新技術與發表報告的能力。

授課形式
理論講述與討論-60.00%;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-0.00%

課程內容與進度
使用Microsoft Teams教學平台，待初選結束後依名單加入權限，屆時請用學校Microsoft O365帳號登入。
Bases of Computer Network Researches

• Review of Fundamentals of Computer Networks
  • The Internet protocol stack
  • Routing and transport issues
• Tools and Platforms
  • Network programming
  • Network simulator

Advanced Topics on Computer Networking

• Wireless and mobile networking
  • 3GPP 5G and Beyond
  • Satellite Communications
• Security in Computer Networks
• Cryptography
• Security in All Layers

教科書/參考書
參考書

• James F. Kurose and Keith W. Ross, Computer Networking: A Top-Down Approach Featuring the Internet
• Larry L. Peterson and Bruce S. Davie,Computer Networks: A Systems Approach, Morgan Kaufmann (ISBN 0-12370-548-7)
• R. Stevens, B. Fenner, and A. Rudoff, UNIX Network Programming: The Sockets Networking API, Vol. 1, Addison-Wesley

評分標準

• 課堂討論表現
• 論文研讀
• 專題製作
• 實作

學分數
3

授課時數(周)
3

開課班級
M11055

修課人數
17

教學目標
本課程將介紹文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與語音處理與分析，以實現可能之文字語音互動。

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
依據學校公布之防疫規定，本課程9/22~10/12之間採線上課程進行，線上課程將以Google Meet進行。 9月 22日 (星期三) · 上午9:00 - 下午12:00 如何加入 Google Meet 會議 視訊通話連結：https://meet.google.com/zbt-cjbe-gdj 或撥打以下電話號碼：?(US) +1 319-423-8615? PIN 碼：?223 759 525?# 第一週 課程簡介 第二週 自然語言處理簡介 第三週 文字辨識簡介 第四週 文字辨識技術實作 第五週 文字辨識技術演練 第六週 文字處理技術簡介 第七週 文字處理技術實作 第八週 文字處理技術實作演練 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
A10955

修課人數
37

教學目標
修完課程後對於現有無線網路運作原理與系統有一定程度認識，可從事相關網路系統管理維護工作，或運用於研究所階段的相關學術研究。

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. Introduction to Transmission Fundamentals
2. Wireless MAC Schemes
3. Wireless Local Area Networks
4. Wireless Ad Hoc Networks
5. Cross-Layer Optimization for Mobile Multimedia
6. Cognitive Radio Networks
7. Femtocell


教科書/參考書
陳裕賢等著, 無線網路與行動計算, 全華, 2013.
Dharma Prakash Agrawal and Qing-An Zeng, Introduction to Wireless and Mobile Systems, 4th Edition, Brooks/Cole, 2015.
Clint Smith and Daniel Collins, Wireless Networks: Design and Integration for LTE, EVDO, HSPA, and WiMAX, 3rd Edition, McGraw-Hill Education, 2014.
William Stallings, Wireless Communications and Networks, Prentice Hall, 2002.


評分標準
Quizzes (25%)
Mid-term exam (25%)
A presentation for new wireless topics (20%)
Final exam (30%)


學分數
3

授課時數(周)
3

開課班級
A10855

修課人數
45

教學目標
嵌入式系統是構成物聯網系統的主要元素，必須靠加入感測器、處理器及通訊模組，才能讓每日生活中使用的物品變得「智慧化」，它們能記錄真實世界中的過程，將其連結到網際網路的虛擬世界，以提供物聯網的基礎。本計畫的課程將從物聯網感測層出發，讓學生了解開發板(如：Arduino UNO、NodeMCU ESP32s與Raspberry Pi)以及感測器與致動器運作，以實作方式進行。首先了解開發板的運作原理，如中斷(Interrupt)、計時器(Timer)，以及介面知識，如：低功率藍芽(Bluetooth Low Energy, BLE)、GPIO、UART、PWM、與I2C，再以不同介面的感測器(如：溫溼度感測器、土壤溫濕感測器)或是致動器(如：繼電器、LED燈條、抽水馬達、風扇)作為實際操作對象，了解這些介面的理論與實作。讓學生瞭解物聯網中網路層常被應用的長距離低功耗網路(Lower-Power WAN)介面LoRaWAN網路，扮演傳送資料與控制訊息的媒介，減少網路佈線，將長距離低功耗特性應用在物聯網上，也能了解其背後運作原理。最後以專題製作串聯起物聯網的感測層、網路層、與應用層，如圖一所示，建置一個物聯網平台。

授課形式


課程內容與進度
1. Introduction to Embedded Systems 2. Arduino 3. NodeMCU ESP32s

教科書/參考書
1. Arduino最佳入門與應用：打造互動設計輕鬆學

評分標準
1. Mid-term Exam: 15% 2. Final Exam: 15% 3. Lab、實習心得：15% 4. Quizzes: 10% 5. Project: 45% 6. Class Participation (Bonus): 5~10%

學分數
3

授課時數(周)
3

開課班級
A10855

修課人數
26

教學目標
擴展學生視野，培養學生鑽研學術的興趣，增進學生對產業現況的了解。

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-0.00%;田野調查-0.00%;實驗-0.00%;其他:專家以及學者演講-100.00%

課程內容與進度
依主題邀請專家以及學者演講，或由研究生報告。進度參見高大資工系網或 https://sites.google.com/site/csienuktw/

教科書/參考書
無

評分標準
現場親自簽名: 不得請人代簽或幫他人簽名(-100%) 上網繳交心得與QA 評分標準(暫定) 1. 出席 (80%): 現場親自簽名、上傳心得報告 2. 心得報告內容(±10%) 3. 隨堂討論 (10%) 4. 平時表現 (bonus)

學分數
1

授課時數(周)
2

開課班級
A10855

修課人數
43