教學大綱 Syllabus

週次

授課內容

學生指定閱讀資料

授課方式

1

1.    熟悉 Colab 環境，並學習導入常用套件 (numpy, pandas, matplotlib)。

2.    理解函數的概念，並能用 Python 程式碼定義和繪製函數圖形。

3.    學習如何利用 LLM (例如 ChatGPT) 輔助程式碼撰寫、除錯和理解數學概念。

用 Python 程式碼繪製出一個函數圖形，運用 LLM 協助，在程式碼中加入註解和學到的心得，想辦法美化自己的函數圖形。

同步遠距

2

1.    參數式的概念及繪圖

2.    seaborn 及繪圖進階技巧寫、除錯和理解數學概念。

1.    運用參數式創作。

2.    選擇一個自己感興趣的數據集，以 seaborn 繪製統計圖表。

同步遠距

3

1.    和電腦互動 101: print 和 input 指令

2.    迴圈 (for/while) 的概念。

1.    打造一個只會回應「拍拍」的拍拍機器人

2.    用迴圈做簡單的動畫 (IPython clear_output)

想辦法設計，不會的地方問 LLM，讓拍拍機器人更具互動性和個性化。

同步遠距

4

1.    亂數是好玩的根本

2.    AI 推薦咖啡系統

3.    數據在電腦的呈現: numpy array 和 tensor

想辦⼀個隨機抽獎活動，有五個奬 (當然可以包括銘謝惠顧)，越⼤獎機率越低。寫個 Python 程式來完成這件事。

同步遠距

5

1.    邏輯運算與布林值（True / False） 

2.    if / elif / else 的使用方式 

3.    邏輯在生活中的應用，例如推薦系統中的條件判斷

設計一個可以幫朋友挑飲料的推薦機器人，根據天氣、心情、預算給出不同建議。讓 LLM 幫你整理條件邏輯，並試著自己增加創意條件。

同步遠距

6

1.    自訂函式與參數 

2.    softmax 與決策模型的基礎 

3.    使用 IPython.display.interact 製作互動式小工具

設計一個互動式決策小幫手（例如：今天晚餐吃什麼？），使用 softmax 模擬「理性感性比例決策」，加上 interact 提供使用者調整參數。

同步遠距

7

1.    使用 pandas 匯入、查看與清洗資料 

2.    篩選與統計 

3.    結合 LLM 提示自動產生數據分析的問題與解釋

找一個你感興趣的資料集（或用 LLM 幫你找），試著回答「這份資料有趣在哪？有沒有什麼發現？」並用程式分析與圖表輔佐說明。

同步遠距

8

專題分享

請業師或做過有意思專案的學長姐分享。

同步遠距

9

1.    資訊理論入門：熵的概念與應用 

2.    熵與壓縮、猜數字遊戲、密碼強度分析 

3.    LLM 如何用熵理解語言預測的可能性

設計一個「猜詞遊戲」或「密碼強度分析器」，用 Python 模擬熵的概念來判斷資訊豐富度。

同學可選擇實體或線上

10

1.    人工智慧的核心概念：學習、預測與回饋 

2.    線性迴歸模型介紹 

3.    使用 `scikit-learn` 預測加州房價

請嘗試設計一個會「預測未來」的 AI 機器人，例如：預測朋友今天開心的機率？使用簡單的數據和模型來實作！

同步遠距

11

1.    監督式 vs 非監督式學習的概念 

2.    分類與分群模型初探：SVM / K-means 

3.    自己標註一小組資料做分類練習 

從生活中找到 10 筆資料（如：早餐種類），試著分類並用機器學習幫忙找出規則。你可以請 LLM 協助建模與結果解釋。

同步遠距

12

1.    神經網路基礎概念：層、激發函數、訓練 

2.    使用 tf.Keras 訓練 MNIST 手寫數字辨識模型 

3.    改造模型讓它「看得懂你寫的數字」

設計一個「AI 替你批改數學作業」的小工具，或改裝手寫辨識系統來辨識英文字母。

同步遠距

13

1.    CNN 的原理與應用場景 

2.    使用遷移式學習辨識圖片（MobileNet / ResNet） 

3.    打造八哥辨識或「你最喜歡的東西」辨識

建立一個專屬辨識模型（如：不同品種貓咪/飲料品牌），從網路上收集少量圖片，再用遷移式學習建模。

同步遠距

14

1.    LLM 是怎麼「學語言」的？ 

2.    常見應用：摘要、翻譯、對話生成 

3.    prompt 工程初探

打造你自己的對話機器人，例如：讓 LLM 扮演某角色回答問題，或設計提示詞讓它當故事創作者、寫詩、模擬歷史人物等。

同步遠距

15

1.    AI 圖像辨識 vs 人眼：優缺點 

2.    使用 LLM 或 image model 分析圖片 

3.    比較人與 AI 對 K-POP 圖像的辨識結果 

選一個主題（不一定是 K-POP），試著和 AI 比賽誰辨識得比較準，並分析彼此犯的錯。可以是明星、品牌、動漫角色等。

同步遠距

16

期末分享

選出 9-12 位同學的專案，進行期末分享

同步遠距