| 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 |
1.學習人工智慧理論與優化方法 (認知)
2.培養實作高等人工智慧演算法實作與相關分析資料能力與優化方法（技能）
|
|
|
|
|
| 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 |
課程大綱, 人工智慧簡介 |
| 第2週 |
機器學習,深度學習與強化學習簡介 |
| 第3週 |
Machine Learning Data Processing 理論與實務 |
| 第4週 |
Linear regression |
| 第5週 |
Logistic regression |
| 第6週 |
SVM |
| 第7週 |
資訊安全概論 |
| 第8週 |
深度學習基礎 |
| 第9週 |
深度學習演算法理論與優化 |
| 第10週 |
Pytorch Programming |
| 第11週 |
Final Project Proposal |
| 第12週 |
資訊安全機器學習 I |
| 第13週 |
資訊安全機器學習 II |
| 第14週 |
資訊安全機器學習 III |
| 第15週 |
email 辨認 |
| 第16週 |
攻擊類別辨認 |
自主學習
內容 |
Final Project 報告 I |
|
| 學習評量方式 |
(1) Homework作業與程式設計 70%
(2) Final Project 30%
|
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
Textbook:
(1) 自行開發教材 ppt
(2) 網路公開課程與教材
|
| 課程教材（教師個人網址請列在本校內之網址） |
http://awinlab.cs.nchu.edu.tw
|
| 課程輔導時間 |
| Monday, Wednesday 2:00-3:00 pm |
| 聯合國全球永續發展目標(連結網址) |
|
|