教學大綱 Syllabus

科目名稱：人工智慧程式設計

Course Name: Artificial Intelligence Programming
  • 學年學期：112-1 Fall Semester, 2023
  • 科目代碼：783004001 Course No.783004001

修別：群

Type of Credit: Partially Required

3.0

學分數

Credit(s)

60

預收人數

Number of Students

課程資料Course Details
  • 開課單位：人智學程 Course Department:Bachelor Program in Artificial Intelligence Applications/B/4
  • 授課老師：紀俊男 Instructor: CHI CHUN-NAN
  • 先修科目：無Prerequisite(N/A)
  • 上課時間：二D56 Session: tue13-16

課程簡介Course Description

本課程著重「如何使用 Python 程式語言，以人工神經網路架構，撰寫相關之應用軟體」。

課程雖然會簡單教授 Python 基本語法。但如果您想集中心力，把「人工神經網路」學好，若能先修過 Python 程式語言，再來學習本課程，效果會更佳。

課程內容會教你如何使用 Python，對讀入的資料進行「載入、補齊缺失資料、文字數位化...」等前處理流程後，透過呼叫 Keras 與 TensorFlow 這兩個 Python 套件，建構人工神經網路。藉以做出能辨識照片、理解人類所使用語言...等功能的應用程式。
 

核心能力分析圖 Core Competence Analysis Chart

能力項目說明

    課程目標與學習成效Course Objectives & Learning Outcomes

    • 能了解如何使用 Python，對資料進行「載入、切分、清理、補遺...」等前處理。以便讓資料能夠用於人工神經網路的模型訓練之用。
    • 可以了解人工神經網路的運作原理。包含如何建構一個神經網路、神經網路如何學習與訓練...等主題。
    • 能撰寫一個人工神經網路，做到依據現有資料集，猜測未來趨勢的程式（亦即以人工神經網路，解決「迴歸」問題）。
    • 能訓練出一個人工神經網路模型，依照使用者的輸入值分類（如：輸入蘑菇外觀、氣味，判別它是否可以食用）。
    • 能夠架構出「卷積神經網路（Convolutional Neural Networks，CNN）」，辨識一張照片的內容為何。
    • 能夠架構出「循環神經網路（Recurrent neural network，RNN）」，依照過往行為，猜測下一步的行動之程式（如：明日股票漲跌）。
    • 利用「生成對抗網路（Generative Adversarial Network，GAN）」，讓電腦產生出各種畫作。
    • 呼叫現存的各種網路服務（如：ChatGPT），撰寫出夠聰明的應用程式。

    每周課程進度與作業要求 Course Schedule & Requirements

    教學週次Course Week 彈性補充教學週次Flexible Supplemental Instruction Week 彈性補充教學類別Flexible Supplemental Instruction Type
    週次 課程主題 課程內容 教學活動與作業
    1 人工智慧簡介 人工智慧歷史、專有名詞、概念、開發環境介紹 課程講授
    2 資料讀取與分析 NumPy、Pandas、Matplotlib 等套件介紹 課程講授、課堂實作
    3 資料前處理 資料載入、切分、數位化、補遺實作 課程講授、課堂實作
    4 人工神經網路介紹 人工神經網路原理、感知器、與架構介紹 課程講授
    5 人工神經網路：迴歸 利用人工神經網路，解決迴歸問題，預測未來趨勢 課程講授、課堂實作
    6 人工神經網路：分類 I 利用人工神經網路，解決二選一的分類問題 課程講授、課堂實作
    7 人工神經網路：分類 II 利用人工神經網路，解決多選一的分類問題。 課程講授、課堂實作
    8 期中評量   考試或報告
    9 卷積神經網路：理論 講解卷積神經網路的概念、與運作原理 課程講授
    10 卷積神經網路：實作 用卷積神經網路，實作一個圖形辨識程式 課程講授、課堂實作
    11 循環神經網路：理論 循環神經網路的概念、與運作原理 課程講授
    12 循環神經網路：實作 利用循環神經網路，實作一個股市預測程式 課程講授、課堂實作
    13 生成對抗網路：理論 講解生成對抗網路的概念、種類、原理 課程講授
    14 生成對抗網路：實作 利用生成對抗網路，實作出一個能生成圖片的程式 課程講授、課堂實作
    15 現有工具叫用 教授如何叫用如 ChatGPT 這樣的網路工具，解決人工智慧問題 課程講授、課堂實作
    16 期末評量   考試或報告
    17 彈性教學    
    18 彈性教學    

     

    授課方式Teaching Approach

    60%

    講述 Lecture

    10%

    討論 Discussion

    0%

    小組活動 Group activity

    30%

    數位學習 E-learning

    0%

    其他： Others:

    評量工具與策略、評分標準成效Evaluation Criteria

    • 55%：作業與課堂實作
    • 15%：期中評量
    • 20%：期末評量
    • 10%：課程出席與參與度

    指定/參考書目Textbook & References

    已申請之圖書館指定參考書目 圖書館指定參考書查詢 |相關處理要點

    維護智慧財產權，務必使用正版書籍。 Respect Copyright.

    課程相關連結Course Related Links

    https://moodle.nccu.edu.tw/course/view.php?id=35078

    課程附件Course Attachments

    課程進行中，使用智慧型手機、平板等隨身設備 To Use Smart Devices During the Class

    是 Yes

    列印