| 課程與核心能力關聯配比(%) |
課程目標之教學方法與評量方法 |
| 課程目標 |
核心能力 |
配比(%) |
教學方法 |
評量方法 |
| 期使學生在完成課程後，能具備基礎應用AI人工智慧技術於土木數據處理與分析。 |
| 1.土木工程理論之計算、分析能力。 |
| 2.土木工程實務之分析、評估、設計、執行能力。 |
| 3.計畫管理、溝通、團隊合作、問題處理能力。 |
| 4.認識時事議題、瞭解土木工程人員之社會責任、重視工程與資訊倫理及培養持續學習之精神。 |
| 5.結構工程、水利工程、大地工程、測量資訊、營建管理、土木防災、永續工程之專業知識。 |
|
|
|
|
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習) |
| 週次 |
授課內容 |
| 第1週 |
課程簡介與特邀演講(美國喬治亞理工Prof. Yi-Chang James Tsai) |
| 第2週 |
數據回歸與統計分析/人工智慧、機器學習與深度學習之簡介 |
| 第3週 |
多層感知器(MLP)與數字辨識實作 |
| 第4週 |
卷積神經網路(CNN)與數字辨識實作 |
| 第5週 |
自主移動機器人(Autonomous Mobile Robot, AMR)簡介與實作(I) |
| 第6週 |
自主移動機器人(Autonomous Mobile Robot, AMR)簡介與實作(II) |
| 第7週 |
小組專題報告與FEEDBACK |
| 第8週 |
分類模型&重採樣模型驗證 |
| 第9週 |
線性模型選擇與正規化&使用GIS進行空間資訊分析 |
| 第10週 |
基於樹的模型&智慧城市基礎設施&其他領域的感測技術 |
| 第11週 |
使用Python(GeoPandas)進行空間資料分析 |
| 第12週 |
使用MATLAB之FUZZY、LSTM與GAN模組資料分析 |
| 第13週 |
FUZZY、LSTM與GAN於防災監測之實例解析 |
| 第14週 |
GIS之物件式影像分析與羅吉斯迴歸資料分析 |
| 第15週 |
物件式影像分析與羅吉斯迴歸於不安定土砂潛勢分析 |
| 第16週 |
期末報告 |
自主學習
內容 |
01.參與專業論壇、講座、企業分享等產官學研相關交流活動
05.參與本校各單位舉辦之各類工作坊活動
|
|
| 學習評量方式 |
| 期中報告(50%)、期末報告(50%) |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
| 課堂講義 |
| 課程教材（教師個人網址請列在本校內之網址） |
課堂講義
課程輔導時間
(office hours)
|
| 課程輔導時間 |
| By appointment |
| 聯合國全球永續發展目標(連結網址) |
| 09.工業、創新基礎建設 11.永續城市 | 提供體驗課程：N |
|