國立中興大學教學大綱

課程名稱	(中) 人工智慧導論(6734)
	(Eng.) Introduction of Artificial Intelligence
開課單位	機械系
課程類別	選修			學分	3	授課教師	黃宜正
選課單位	機械系 / 碩士班			授課使用語言	中文	英文/EMI		開課學期	1111
課程簡述	The goal of this course is to introduce the fundamental of Artificial Intelligence. It covers the feature engineering, machine learning, neural network and deep learning. Topics of data cleaning, feature extraction, support vector machine, neural networks are introduced. The emphasis of the course is placed on the data-driven analysis and the hand-on Python experiment of these artificial intelligence rules and hybrid deep Learning networks applications.
先修課程名稱								課程含自主學習	N

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
⾸要⽬標為培養學⽣基本之資料科學、機器學習、類神經網路理論、⼈⼯智慧觀念和深度學習理論內容與實作。尤其強調嚴謹的演算過程以及Python 程式之撰寫與實作。	1.具備機械領域之專業知識與獨立解決問題之能力。 2.具備創新思考、規劃並執行研究專題及表達研究成果之能力。 3.具協調跨領域人才與整合技術之能力。 4.具良好的產業國際觀。 5.具領導、管理、規劃及自我學習成長之能力。	60 25 5 5 5	習作 講授	口頭報告 作業 測驗
授課內容(單元名稱與內容、習作/每週授課、考試進度-共18週)
週次 授課內容 第1週 人工智慧(AI):Introduction 第2週 類神經網路(ANN):感知器與偏差理論分析 第3週 類神經網路(ANN):感知器與偏差Python實作 第4週 類神經網路(ANN)學習正向傳播理論分析 第5週 類神經網路(ANN)學習正向傳播理論Python實作 第6週 類神經網路(ANN)學習反向傳播理論分析 第7週 類神經網路(ANN)學習反向傳播理論Python實作 第8週 特徵工程(FE):清洗資料與特徵粹取 第9週 Midterm 第10週 特徵工程(FE):支持向量機(SVM)理論分析 第11週 特徵工程(FE):& 支持向量機(SVM)& Python實作 第12週 卷積類神經網路(CNN)理論分析 第13週 卷積神經網路(CNN)& Python實作 第14週 長短期記憶(LSTM)深度學習理論分析 第15週 長短期記憶(LSTM)深度學習& Python實作 第16週 深度神經網路(DNN)⼈⼯智慧實務應⽤ 第17週 深度神經網路(DNN)⼈⼯智慧實務應⽤ 第18週 Final
學習評量方式
1.平時成績 ：佔30%(平時考/作業繳交) 2.期中考(報告)成績：佔30% 3.期末考(報告)成績 ：佔40%
教科書＆參考書目(書名、作者、書局、代理商、說明)
1.Mohammed J. Zaki, Wagner Meira Jr / Data Mining and Machine Learning: Fundamental Concepts and Algorithms 2/e, Cambridge University Press. (Text Book) 2.「⽤Python進⾏深度學習的基礎理論實作:Deep Learning」，⿑藤康毅著,吳嘉芳翻譯出版社O’REIlly, 碁峯圖書 3. M. Negnevitsky, Artificial Intelligence: A Guide to Intelligent Systems, Addison Wesley.
課程教材（教師個人網址請列在本校內之網址）
iLearning 3.0 數位教學平台
課程輔導時間
星期二 下午
聯合國全球永續發展目標
提供體驗課程：N

請尊重智慧財產權及性別平等意識，不得非法影印他人著作。
更新日期 西元年/月/日：2022/08/14 17:48:25	列印日期 西元年/月/日：2024 / 12 / 15
MyTB教科書訂購平台：http://www.mytb.com.tw/