109-2_嵌入式多核心系統與軟體
資訊工程學系
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. Thread in Python 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
L10855
修課人數
6
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. Thread in Python 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
L10855
修課人數
6
109-2_深度學習
資訊工程學系
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
L10855
修課人數
8
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
L10855
修課人數
8
109-2_網路安全
資訊工程學系
教學目標
由於網路的快速發展，造成資訊傳播的普及。人們不斷地追求如何加快擷取資訊，卻忽略了資訊的品質。我們無法判定所擷取到的資訊，是否正確、是否完整、是否曾被修改、是否曾被竊取。因此，為了提高資訊的品質，『網路安全』的概念是我們必備的常識。
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. 簡介 – 2. 密碼技術: 傳統加解密(Classical Encryption) AES 公開金匙加解密(Public-Key Cryptography)含RSA 橢圓系統 金匙管理(Key Management) 數位簽章(Signature) –Hash –MAC – 3. 網路安全應用(Network security applications) 認證 –郵件安全-4G/5G安全協定 4. 比特幣與區塊鏈 (Bitcoin and blockchain) 5. 物聯網(IOT)安全
教科書/參考書
Guide to Computer Network Security Fifth Edition by Joseph Migga Kizza
評分標準
期中考 40% 出席 25% 專題報告 30% 期末口試5%
學分數
3
授課時數(周)
3
開課班級
L10855
修課人數
8
由於網路的快速發展，造成資訊傳播的普及。人們不斷地追求如何加快擷取資訊，卻忽略了資訊的品質。我們無法判定所擷取到的資訊，是否正確、是否完整、是否曾被修改、是否曾被竊取。因此，為了提高資訊的品質，『網路安全』的概念是我們必備的常識。
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. 簡介 – 2. 密碼技術: 傳統加解密(Classical Encryption) AES 公開金匙加解密(Public-Key Cryptography)含RSA 橢圓系統 金匙管理(Key Management) 數位簽章(Signature) –Hash –MAC – 3. 網路安全應用(Network security applications) 認證 –郵件安全-4G/5G安全協定 4. 比特幣與區塊鏈 (Bitcoin and blockchain) 5. 物聯網(IOT)安全
教科書/參考書
Guide to Computer Network Security Fifth Edition by Joseph Migga Kizza
評分標準
期中考 40% 出席 25% 專題報告 30% 期末口試5%
學分數
3
授課時數(周)
3
開課班級
L10855
修課人數
8
109-2_專題研究(四)
資訊工程學系
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
L10855
修課人數
9
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
L10855
修課人數
9
109-2_專題研究(二)
資訊工程學系
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
L10955
修課人數
4
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
L10955
修課人數
4
109-2_科技論文寫作
資訊工程學系
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
M10855
修課人數
15
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
M10855
修課人數
15
109-2_深度學習
資訊工程學系
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
M10855
修課人數
21
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
M10855
修課人數
21
109-2_計算機結構
資訊工程學系
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
M10855
修課人數
16
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
M10855
修課人數
16
109-2_醫療資訊學導論
資訊工程學系
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-50.00%;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-0.00%
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 (1 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 (1 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 weeks)
Privacy Protection Model
Data Anonymization Methods
3.3 Case Studies (0.5 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
M10855
修課人數
7
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-50.00%;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-0.00%
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 (1 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 (1 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 weeks)
Privacy Protection Model
Data Anonymization Methods
3.3 Case Studies (0.5 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
M10855
修課人數
7
109-2_醫學影像處理
資訊工程學系
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 (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
M10855
修課人數
8
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 (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
M10855
修課人數
8
109-2_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
M10855
修課人數
26
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
M10855
修課人數
26
109-2_嵌入式多核心系統與軟體
資訊工程學系
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. Thread in Python 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
M10855
修課人數
14
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. Thread in Python 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
M10855
修課人數
14
109-2_物聯網
資訊工程學系
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
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
M10855
修課人數
28
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
- 物聯網簡介
- 核心技術導論與產業發展現況
- 物聯網網路通訊技術介紹
- NB-IoT技術與應用
- NB-IoT標準與挑戰
- 工業4.0物聯網
- 新無線電(New Radio)技術介紹
- 虛實整合系統
- 樹莓派介紹與系統
- RaspPI GPIO
- Python on RaspPI
- Linking with Arduino
- opencv
- LoRa微型感測器與資料分析平台
- LoRa協定介紹
- LoRa模組使用
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
M10855
修課人數
28
109-2_專題研究(二)
資訊工程學系
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
M10955
修課人數
16
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
16
109-2_專題研究(四)
資訊工程學系
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
M10855
修課人數
16
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
M10855
修課人數
16