112-1_業界實習(一)
資訊工程學系
教學目標
提供學生在校外相關機構實務研習之機會，銜接學校課程與產業實務，以便了解業界需求與職場生活，提升學習動力。
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:實務研習-100.00%
課程內容與進度
1. 依合作廠商及本系雙方制定之實習內容擬定進度。
2. 定期口頭報告及繳交書面報告。
教科書/參考書
由實習機構及本系雙方安排。
評分標準
1. 業界實習機構主管成績考核佔該科成績之50%。
2. 校內實習指導教師依學生實習報告考核，佔該科成績之50%。
學分數
8
授課時數(周)
3
開課班級
A10955
修課人數
1
提供學生在校外相關機構實務研習之機會，銜接學校課程與產業實務，以便了解業界需求與職場生活，提升學習動力。
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:實務研習-100.00%
課程內容與進度
1. 依合作廠商及本系雙方制定之實習內容擬定進度。
2. 定期口頭報告及繳交書面報告。
教科書/參考書
由實習機構及本系雙方安排。
評分標準
1. 業界實習機構主管成績考核佔該科成績之50%。
2. 校內實習指導教師依學生實習報告考核，佔該科成績之50%。
學分數
8
授課時數(周)
3
開課班級
A10955
修課人數
1
112-1_資訊檢索
資訊工程學系
教學目標
教導學生資訊檢索、搜尋引擎之理論模型、技術，以及實作方法。
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
Unit 1. Boolean retrieval
Unit 2. Scoring, term weighting & the vector space model
Unit 3. Computing scores in a complete search system
Unit 4. Probabilistic information retrieval
Unit 5. Language models for information retrieval
Unit 6. Text classification
Unit 7. Matrix decompositions & latent semantic indexing
Unit 8. Recommendation Systems
Unit 9. Web search basics
Unit 10. Web crawling and indexes
Unit 11. Link analysis
Unit 12. Advanced Search Engine: Introduction to ChatGPT, Copilot
教科書/參考書
1. Introduction to Information Retrieval, by C. Manning, P. Raghavan, and H. Schütze. Cambridge University Press, 2008.
2. 自訂教材
評分標準
1. Homework/quiz: 30%
2. Midterm exam/project: 35%
3. Final exam/project: 35%
4. Show-Up: -10%~10%
學分數
3
授課時數(周)
3
開課班級
L11155
修課人數
23
教導學生資訊檢索、搜尋引擎之理論模型、技術，以及實作方法。
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
Unit 1. Boolean retrieval
Unit 2. Scoring, term weighting & the vector space model
Unit 3. Computing scores in a complete search system
Unit 4. Probabilistic information retrieval
Unit 5. Language models for information retrieval
Unit 6. Text classification
Unit 7. Matrix decompositions & latent semantic indexing
Unit 8. Recommendation Systems
Unit 9. Web search basics
Unit 10. Web crawling and indexes
Unit 11. Link analysis
Unit 12. Advanced Search Engine: Introduction to ChatGPT, Copilot
教科書/參考書
1. Introduction to Information Retrieval, by C. Manning, P. Raghavan, and H. Schütze. Cambridge University Press, 2008.
2. 自訂教材
評分標準
1. Homework/quiz: 30%
2. Midterm exam/project: 35%
3. Final exam/project: 35%
4. Show-Up: -10%~10%
學分數
3
授課時數(周)
3
開課班級
L11155
修課人數
23
112-1_智慧型系統
資訊工程學系
教學目標
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
L11155
修課人數
15
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
L11155
修課人數
15
112-1_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
L11155
修課人數
24
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
L11155
修課人數
24
112-1_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
L11155
修課人數
10
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
L11155
修課人數
10
112-1_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
L11255
修課人數
10
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
L11255
修課人數
10
112-1_巨量資料分析
資訊工程學系
教學目標
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
A10955
修課人數
56
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
A10955
修課人數
56
112-1_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
3
授課時數(周)
3
開課班級
M11155
修課人數
19
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
3
授課時數(周)
3
開課班級
M11155
修課人數
19
112-1_即時計算機系統
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-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
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
3
授課時數(周)
3
開課班級
A10955
修課人數
17
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-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
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
3
授課時數(周)
3
開課班級
A10955
修課人數
17
112-1_智慧型系統
資訊工程學系
教學目標
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
M11155
修課人數
40
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
M11155
修課人數
40
112-1_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
A10955
修課人數
28
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
A10955
修課人數
28
112-1_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
3
授課時數(周)
3
開課班級
M11255
修課人數
23
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
3
授課時數(周)
3
開課班級
M11255
修課人數
23
112-1_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
M11155
修課人數
19
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
M11155
修課人數
19
112-1_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
M11255
修課人數
24
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
M11255
修課人數
24
112-1_文字與語音資料處理與應用
資訊工程學系
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
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
期中專題報告 30% 、期末專題報告 30% 、上課實做 40%
學分數
3
授課時數(周)
3
開課班級
A10955
修課人數
50
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
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
期中專題報告 30% 、期末專題報告 30% 、上課實做 40%
學分數
3
授課時數(周)
3
開課班級
A10955
修課人數
50