111-2_自駕車次系統技術
教學目標
課程教學目標:現今自駕車迎領關鍵資訊科技之應用，在智慧感知、協同定位、智慧決策及整合控制等技術能夠有所突破，研發自駕車次系統關鍵技術可以明顯改善自動駕駛的安全性。(1)基於視覺的環境感知於小型模型車幫助目前的行駛決策、(2)利用LiDAR與IMU協同式導航定位之自動駕駛小型模型車、以及(3)利用全域及避障局部路徑規劃的決策推論於自動駕駛小型模型車。
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
週次 授課教師 授課內容及主題 1 張保榮 AI視覺演算法之物件偵測與影像辨識( 2 張保榮 進階AI視覺演算法之物件偵測與影像辨識( 3 張保榮 Robot Operating System(ROS)基礎架構介紹 4 張保榮 ROS系統效能分析與平行化 5 張保榮 ROS為基礎之自駕車軟體與實作 6 張保榮 光達SLAM相關背景知識介紹 7 張保榮 核心光達SLAM演算法介紹 8 張家泓業師 講題待定 9 張保榮 課程專題期中報告 10 張保榮 離線執行SLAM演算法及其效能評估 11 張保榮 強化學習運作原理介紹 13 張簡嘉慶業師 講題待定 14 張保榮 AI演算法的決策推論與動態控制-避障規劃 15 張保榮 AI演算法的決策推論與動態控制-最佳路徑規劃 16 張保榮 AI演算法的決策推論與動態控制-經濟節能規劃 17 張保榮 自駕車模型優化 18 張保榮 専題製作成果公開展示
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
L11055
修課人數
18
課程教學目標:現今自駕車迎領關鍵資訊科技之應用，在智慧感知、協同定位、智慧決策及整合控制等技術能夠有所突破，研發自駕車次系統關鍵技術可以明顯改善自動駕駛的安全性。(1)基於視覺的環境感知於小型模型車幫助目前的行駛決策、(2)利用LiDAR與IMU協同式導航定位之自動駕駛小型模型車、以及(3)利用全域及避障局部路徑規劃的決策推論於自動駕駛小型模型車。
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
週次 授課教師 授課內容及主題 1 張保榮 AI視覺演算法之物件偵測與影像辨識( 2 張保榮 進階AI視覺演算法之物件偵測與影像辨識( 3 張保榮 Robot Operating System(ROS)基礎架構介紹 4 張保榮 ROS系統效能分析與平行化 5 張保榮 ROS為基礎之自駕車軟體與實作 6 張保榮 光達SLAM相關背景知識介紹 7 張保榮 核心光達SLAM演算法介紹 8 張家泓業師 講題待定 9 張保榮 課程專題期中報告 10 張保榮 離線執行SLAM演算法及其效能評估 11 張保榮 強化學習運作原理介紹 13 張簡嘉慶業師 講題待定 14 張保榮 AI演算法的決策推論與動態控制-避障規劃 15 張保榮 AI演算法的決策推論與動態控制-最佳路徑規劃 16 張保榮 AI演算法的決策推論與動態控制-經濟節能規劃 17 張保榮 自駕車模型優化 18 張保榮 専題製作成果公開展示
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
L11055
修課人數
18
111-2_人工智慧與金融科技
教學目標
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. 金融科技與人工智慧簡介 Week 2. 金融科技與人工智慧簡介 Week 3. 金融科技與人工智慧簡介 Week 4. Simple Investment Models Week 5. Simple Investment Models Week 6. 網頁技術及自動化網頁爬蟲簡介 Week 7. 財務資料自動化更新及建模 Week 8. 遺傳演算法及最佳化技術簡介 Week 9. 遺傳演算法及最佳化技術簡介 Week 10. Midterm-term project demo Week 11. Introduction to learning Week 12. Introduction to learning Week 13. Nearest Neighbor Algorithms Week 14. Information Theory and Decision Trees Week 15. Decision Trees, Data Mining, and Weka 簡介 Week 16. 人工智慧於股市的應用 Week 17. 人工智慧於股市的應用 Week 18. Final-project demo
教科書/參考書
1. 自訂教材 2. 參考教材: AI 證券投資分析：探索超額報酬 使用Excel實作，葉怡成
評分標準
Homework: 25% Two Projects: 75% Class attendance: +-5%
學分數
3
授課時數(周)
3
開課班級
L11055
修課人數
15
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. 金融科技與人工智慧簡介 Week 2. 金融科技與人工智慧簡介 Week 3. 金融科技與人工智慧簡介 Week 4. Simple Investment Models Week 5. Simple Investment Models Week 6. 網頁技術及自動化網頁爬蟲簡介 Week 7. 財務資料自動化更新及建模 Week 8. 遺傳演算法及最佳化技術簡介 Week 9. 遺傳演算法及最佳化技術簡介 Week 10. Midterm-term project demo Week 11. Introduction to learning Week 12. Introduction to learning Week 13. Nearest Neighbor Algorithms Week 14. Information Theory and Decision Trees Week 15. Decision Trees, Data Mining, and Weka 簡介 Week 16. 人工智慧於股市的應用 Week 17. 人工智慧於股市的應用 Week 18. Final-project demo
教科書/參考書
1. 自訂教材 2. 參考教材: AI 證券投資分析：探索超額報酬 使用Excel實作，葉怡成
評分標準
Homework: 25% Two Projects: 75% Class attendance: +-5%
學分數
3
授課時數(周)
3
開課班級
L11055
修課人數
15
111-2_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
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
L11055
修課人數
4
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
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
L11055
修課人數
4
111-2_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-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
L11055
修課人數
11
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
L11055
修課人數
11
111-2_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進階資料探勘的方法
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Spark Python(PySpark)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
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 Spark Python (2 Weeks)
9. Data Analysis with Spark 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
L11055
修課人數
6
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進階資料探勘的方法
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Spark Python(PySpark)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
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 Spark Python (2 Weeks)
9. Data Analysis with Spark 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
L11055
修課人數
6
111-2_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
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。
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
111-2_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
L11155
修課人數
11
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
L11155
修課人數
11
111-2_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。
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
M11055
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。
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
M11055
修課人數
8
111-2_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 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
A10855
修課人數
31
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
A10855
修課人數
31
111-2_擴增實境
教學目標
本課程包含實作與理論兩部分。實作部分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。理論部分可從照相機原理、3D重建到SLAM，讓學生了解AR的基本原理。最後，學生在修完此課程後，能達到學用合一的目標。
授課形式
理論講述與討論-30.00%;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:上機實作-40.00%
課程內容與進度
本課程包含實作與理論兩部分 實作部分： 1.Unity遊戲與擴增實境介紹 2.2D遊戲操作 -物件配置、UI、預製物件 -角色控制、碰撞偵測 -攝影機、動畫 3.3D遊戲-基本操作 -材質 -鏡頭 -光源 -光影 -腳本 4.3D遊戲-進階操作 -場景 -角色控制器 -特效 -碰撞偵測 -自動控制 -GUI粒子系統 5. 2D遊戲APK製作、3D遊戲APK製作 6.擴增實境引擎介紹與註冊 7.AR影像辨識圖卡製作與發佈 8.AR簡易實作 -AR按鈕事件顯示模型 -AR家具互動型錄 -AR立體名片 -AR互動大頭貼與立體相框 -AR上架 理論部分： 1.照相機原理 2.單目視覺測量 3.圖形識別、匹配與3D重建 4.雙目視覺測量 5.運動圖像處理 6.Simultaneous Localization and Mapping，SLAM 期中與期末報告
教科書/參考書
1.Jung Timothy, "Augmented Reality and Virtual Reality," Springer 2.(澳)理查德•哈特利, (英)安德魯•西塞曼宮迅偉，計算機視覺中的多視圖幾何，機械工業出版社，ISBN：9787111632887 3.邱勇標，"Unity 3D遊戲設計實戰（第三版）"，碁峰 4.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 5.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
M11055
修課人數
30
本課程包含實作與理論兩部分。實作部分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。理論部分可從照相機原理、3D重建到SLAM，讓學生了解AR的基本原理。最後，學生在修完此課程後，能達到學用合一的目標。
授課形式
理論講述與討論-30.00%;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:上機實作-40.00%
課程內容與進度
本課程包含實作與理論兩部分 實作部分： 1.Unity遊戲與擴增實境介紹 2.2D遊戲操作 -物件配置、UI、預製物件 -角色控制、碰撞偵測 -攝影機、動畫 3.3D遊戲-基本操作 -材質 -鏡頭 -光源 -光影 -腳本 4.3D遊戲-進階操作 -場景 -角色控制器 -特效 -碰撞偵測 -自動控制 -GUI粒子系統 5. 2D遊戲APK製作、3D遊戲APK製作 6.擴增實境引擎介紹與註冊 7.AR影像辨識圖卡製作與發佈 8.AR簡易實作 -AR按鈕事件顯示模型 -AR家具互動型錄 -AR立體名片 -AR互動大頭貼與立體相框 -AR上架 理論部分： 1.照相機原理 2.單目視覺測量 3.圖形識別、匹配與3D重建 4.雙目視覺測量 5.運動圖像處理 6.Simultaneous Localization and Mapping，SLAM 期中與期末報告
教科書/參考書
1.Jung Timothy, "Augmented Reality and Virtual Reality," Springer 2.(澳)理查德•哈特利, (英)安德魯•西塞曼宮迅偉，計算機視覺中的多視圖幾何，機械工業出版社，ISBN：9787111632887 3.邱勇標，"Unity 3D遊戲設計實戰（第三版）"，碁峰 4.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 5.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
M11055
修課人數
30
111-2_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
A10855
修課人數
14
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
A10855
修課人數
14
111-2_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。
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
M11055
修課人數
24
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。
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
M11055
修課人數
24
111-2_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. 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
A10855
修課人數
6
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. 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
A10855
修課人數
6
111-2_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
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
M11055
修課人數
9
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
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
M11055
修課人數
9
111-2_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。
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
M11055
修課人數
30
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。
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
M11055
修課人數
30
111-2_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
M11155
修課人數
21
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
M11155
修課人數
21
111-2_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
M11055
修課人數
16
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
16
111-2_永續運算應用與實務
教學目標
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：
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。
永續運算與課程說明 永續發展目標概述 永續運算系統架構 永續性分析 ICT4SDG：資通訊技術與永續發展 永續運算技術：分散式系統 永續運算技術：新一代通訊系統 永續運算技術：區塊鍊 永續運算技術：學習與回饋 永續運算應用：再生能源 永續運算應用：智慧電網 永續運算應用：循環經濟 永續運算實務：經濟成長 永續運算實務：環境保護 永續運算實務：社會進步
教科書/參考書
參考資料：
- UN ITU, ICT for Sustainable Development#ICT4SDG, https://www.itu.int/ict4sdg/
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
A10955
修課人數
32
111-2_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
M11055
修課人數
16
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
M11055
修課人數
16
111-2_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
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
M11155
修課人數
21
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
M11155
修課人數
21