人工智慧與工程應用實作

臺北科技大學 114-2 學期課程，課號 359450。

課程大綱

在人工智慧與機器學習技術飛越成長的當代，人工智慧應用已經普及到了民間，其不再具有技術與設備上的高度門檻與進入障礙，只要擁有入門等級的程式語言基礎，以及尚佳的電腦硬體設備，再加以自備的資料集合，人人都能夠應用人工智慧來解決各式各樣的問題。 本課程以工學院的應用角度出發，先以數週進行基礎python程式語言的訓練，再逐步以案例及實作讓修課學生體驗各種基於影像、文字或結構化資料的人工智慧應用。讓修課學生能夠理解基礎的深度學習理論，標記自己準備的資料集合，並且善用python程式語言進行資料的前處理，完成訓練、進行預測與評估成果。 In recent years, with the rapid advancements in artificial intelligence (AI) and machine learning (ML) technologies, AI applications have become widespread among the general public. People no longer have barriers on techniques and equipment. With basic programming skills and affordable computer hardware, along with self-prepared datasets, anyone can leverage AI to solve a variety of problems. From the perspective of engineering applications, this course begins with fundamental Python programming training. After that, through case studies and hands-on projects, students will experience various AI applications based on images, text, or structured data. The course aims to enable students to understand fundamental deep learning theories, label their own datasets, and effectively use Python for data preprocessing, training models, making predictions, and evaluating results.

課程進度

1 課程介紹 2-8 python程式語言基礎（散佈在2-8週，每週1-1.5小時） 2-3 人工智慧的理論基礎與發展進程 3-6 MLP：類神經網路之初探 7-10 資料的前處理：結構化資料、文字與圖像 9 期中提案報告 10-17 python人工智慧套件應用（散佈在10-17週，每週0.5-1小時） 11-12 CNN：捲積神經網路與其衍生模型 12-13 RNN：循環神經網路與其衍生模型 14-15 seq2seq與Encoder/Decoder 16-17 Attention機制與Transformer 18 期末報告

評量方式

平時成績與隨堂練習(60%) 期末專題報告(40%) *評分方式與比例為暫定，將視實際情形調整，但一定會做期末專題報告

教材

【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】 使用外文原文書：否 上課將以老師自行編寫的投影片為核心，示範程式碼則以jupyter notebook提供