Type of Credit: Elective
Credit(s)
Number of Students
人工智慧是非常熱門的主題, 然而要做好一個人工智慧的應用, 有兩個難點: 一是不知道人工智慧的基礎理論及程式實作要怎麼進行; 一是不知道怎麼定義問題，或將想解決的問題「翻譯」成一個人工智慧的問題，讓這門技術有用武之地。這個課程會介紹我們怎麼用「設計思考」去定義我們的問題、提出適切解決問題的方案, 轉換成一個「人工智慧」可以解決的問題、並且實際動手寫程式來進行驗證。我們歡迎不同背景的同學, 一起來學習。
請注意以下事項：
能力項目說明
1. 熟悉設計思考的精神及主要觀念
2. 學會人工智慧的原理及程式實作
3. 培養跨域學習、團隊合作的能力
|
週次 Week |
課程主題 Topic |
教學活動與作業 Teaching Activities and Homework |
學習投入時間 Student workload expectation |
|
|
課堂講授 In-class Hours |
課程前後 Outside-of-class Hours |
|||
|
1 |
課程簡介、Jupyter Notebook 開發環境介紹
|
【作業】安裝 Jupyter Notebook, 完成一個簡單程式。 |
3 |
2 |
|
2 |
人工智慧概念介紹
|
課堂中討論：能夠運用人工智慧的問題型態。 【作業】人工智慧問題的發想。 |
3 |
3 |
|
3 |
設計思考的歷史及應用
|
講課，介紹設計思考，以及設計思考跟人工智慧的共同思想起源。 |
3 |
3 |
|
4 |
理解脈絡：對一個 Domain現象的觀察及研究
|
講課，如何了解現象 【作業】觀察及研究作業 |
3 |
6 |
|
5 |
全連結型神經網路實現手寫辨識
|
【作業】修改第一個神經網路, 思考這樣子的人工智慧有什麼應用？ |
3 |
3.5 |
|
6 |
Reframing - 重新架構問題
|
如何從現象的理解開始，探索重新定義問題的可能性 |
3 |
3 |
|
7 |
圖形辨識的王者卷積神經網路
|
【作業】修改上課的卷積神經網路, 思考圖形辨識的應用。 |
3 |
3.5 |
|
8 |
設計思考的主要工具及精神，以及如何使用AI Canvas
|
介紹AI Canvas的基本觀念介紹，上課分組活動，解釋提案要求 【作業】AI Canvas的練習作業 |
3 |
3 |
|
9 |
發想：如何用創造性的觀點來看數據
|
檢討AI Canvas 範例作業，報告及答辯。發想的重要性，方法，以及和數據配合。 |
3 |
3 |
|
10 |
第一次專題計晝：提案
|
【作業】上課依 AI Canvas提出期末專案計畫構想，以及相對應的數據。討論可行性及聽取建議講評 |
3 |
6 |
|
11 |
遞歸神經網路
|
【作業】修改上課範例或新創一個遞歸神經網路。什麼樣的情況，我們會使用遞歸神經網路？ |
3 |
3 |
|
12 |
設計思考的原型，測試，及迭代
|
什麼是原型？AI的原型是什麼？怎麼測試 |
3 |
3 |
|
13 |
Attention 和Transformer模型
|
介紹transformer 機制以及其應用 【作業】用 transformers 套件寫一個自然語言的網路應用程式。 |
3 |
3 |
|
14 |
第二次專題計晝：檢討
|
重點討論是否有較明確的 AI model，不同model的可能性 |
3 |
4 |
|
15 |
生成對抗讓電腦創作 |
專題準備。 |
3 |
5 |
|
16 |
第三次專題計晝：進度 |
重點討論目前碰到的困難，考慮的解決方案 |
3 |
5 |
|
17 |
強化學習與無人駕駛 |
專題準備。 |
3 |
5 |
|
18 |
成果發表 |
專題報告及講評 |
3 |
5 |
這個課程, 同學需要分組進行實作。每一組要解決的問題, 必需是一個真實世界的問題, 並且用人工智慧的方式實作出來。
- 找到一個問題，做量化及質化的背景研究
- 定義出問題架構
- 做出可以用來學習的原型
- 得取數據驗證原型
- 提出解決問題的提案
學期中每一個部分都有相關作業以及練習，分為個人程式練習成績以及小組作業和期末報告成績。
* “Prediction Machines: The Simple Economics of Artificial Intelligence”, by Ajay Agrawal, Joshua Gans, and Avi Goldfarb
(中譯本: “AI經濟的策略思維：善用人工智慧的預測威力，做出最佳商業決策”, 天下雜誌出版)
* “Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow”, 2nd. Ed., by Aurélien Géron
(中譯本: “精通機器學習–使用Scikit-Learn, Keras 與 TensorFlow”, 第二版, O’Reilly出版)