Type of Credit: Elective
Credit(s)
Number of Students
本課程將先簡介本課程與人工智慧概念，並引導同學們學習如何在人工智慧時代，善用公開資料庫蒐集各種資料類型的資料；且將講授資料前處理，以及基礎統計、探索資料等資料分析方法，進而介紹資料視覺化的工具與應用。此外，課程中也將教導無所不在的社群網路，包含觀念以及Cytoscape社群網路分析工具實作。接著將介紹傳統的機器學習，包含監督式與非監督式學習等；且帶領同學們初探深度學習；最後將介紹目前日新月異的文字、聲音、圖像等生成式人工智慧工具，期末則盼望同學善用資料集，活用人工智慧方法與工具。
能力項目說明
1.了解人工智慧概念
2.認識資料蒐集與分析方法；學習應用資料視覺化與社群網路分析工具
3.探索常見機器學習與深度學習應用；並善用生成式人工智慧工具
| 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 |
課程內容與指定閱讀 |
教學活動與作業 |
|
1 |
課程介紹、人工智慧簡介 |
人工智慧的觀念與發展 |
老師講授 |
|
2 |
資料類型與蒐集 |
資料來源、公開資料集 |
老師講授、課堂實作 |
|
3 |
資料分析(I) |
資料前處理 |
老師講授、課堂實作 |
|
4 |
資料分析(II) & 資料視覺化 |
基礎統計、探索資料、 用圖說故事 |
老師講授、課堂實作 |
|
5 |
雙十連假 |
|
|
|
6 |
社群網路分析(I) |
無所不在的網路、小世界理論 |
老師講授、課堂實作 |
|
7 |
社群網路分析(II) |
社群網路分析工具Cytoscape |
老師講授、課堂實作 |
|
8 |
期中考週 |
|
期中作業 |
|
9 |
機器學習(I) |
機器學習原理、 監督式學習 |
老師講授、課堂實作 |
|
10 |
機器學習(II)、輿情分析 |
非監督式學習、 機器學習實作、輿情分析 |
老師講授、課堂實作 |
|
11 |
深度學習(I) |
深度學習觀念與應用 |
老師講授、課堂實作 |
|
12 |
深度學習(II) |
深度學習實作 |
老師講授、課堂實作 |
|
13 |
人工智慧跨域講座 |
人工智慧跨域應用專家分享 |
老師講授 |
|
14 |
生成式人工智慧工具(I) |
文字與圖像生成工具介紹與實作 |
老師講授、課堂實作 |
|
15 |
生成式人工智慧工具(II) |
生成式人工智慧工具的多元應用 |
老師講授、課堂實作 |
|
16 |
期末報告 |
|
小組報告 |
|
17 |
自主學習 |
|
|
|
18 |
自主學習 |
|
|
1. 期末報告(50%)
2. 作業(30%)
3. 課堂出席、參與(20%)
4. 使用生成式AI工具注意事項
(1) 作業得適當使用生成式AI工具，使用的過程和結果應在作業中透明地說明和引用，並需於附件載明所使用工具名稱，並詳述使用過程。
(2) AI生成內容應被視為工具產生的建議，請經過調整再作為作業內容。生成式AI工具得作為報告輔助，但學生仍需要進行批判性思考。
| 書名 Book Title | 作者 Author | 出版年 Publish Year | 出版者 Publisher | ISBN | 館藏來源* | 備註 Note |
|---|