人工智慧的基礎與創新(一)

臺北科技大學 115-1 學期課程，課號 363964。

課程大綱

本課程深入探討人工智慧領域的基礎知識和最新技術，包括機器學習、深度學習、自然語言處理、生成對抗網絡等領域。學員將從人工智慧的概述和歷史開始，逐步深入了解機器學習和深度學習的基礎概念和演算法，並探討其在不同領域的應用。課程還介紹了最新的AI技術趨勢，包括注意力機制、自監督學習、大型AI通用模型和元學習等。 課程運作模式：每週講授一個主題，包括理論授課和實習操作。學員將參與課堂討論和小組活動，以促進想法交流和知識分享。 This course delves into the fundamentals and latest advancements in the field of artificial intelligence, covering topics such as machine learning, deep learning, natural language processing, and generative adversarial networks. Participants will begin with an overview of artificial intelligence and its historical development, progressively delving into the foundational concepts and algorithms of machine learning and deep learning, along with their applications across various domains. The course also introduces the latest trends in AI technology, including attention mechanisms, self-supervised learning, large-scale AI models, and meta-learning. Course Execution: Each week covers a specific topic, including theoretical lectures and practical exercises. Participants will engage in classroom discussions and group activities to facilitate idea exchange and knowledge sharing.

課程進度

第1週：人工智慧導論與歷史發展 Week 1: Introduction to Artificial Intelligence and Historical Background 第2週：資料科學與資料前處理 Week 2: Data Science and Preprocessing 第3週：特徵工程與資料可視化 Week 3: Feature Engineering and Data Visualization 第4週：監督式學習基礎 Week 4: Fundamentals of Supervised Learning 第5週：非監督式學習與群集分析 Week 5: Unsupervised Learning and Clustering Analysis 第6週：模型評估與交叉驗證 Week 6: Model Evaluation and Cross-Validation 第7週：深度學習基礎與多層感知器 Week 7: Deep Learning Foundations and Multilayer Perceptrons (MLPs) 第8週：卷積神經網路（CNN） Week 8: Convolutional Neural Networks (CNNs) 第9週：循環神經網路與長短期記憶（RNN & LSTM） Week 9: Recurrent Neural Networks and LSTM 第10週：自然語言處理與語意表示 Week 10: Natural Language Processing and Semantic Representations 第11週：生成對抗網絡（GAN）原理與應用 Week 11: Generative Adversarial Networks (GANs) – Principles and Applications 第12週：注意力機制與Transformer架構 Week 12: Attention Mechanisms and Transformer Architecture 第13週：自監督學習理論與方法 Week 13: Self-Supervised Learning – Theory and Methods 第14週：大型語言模型與多模態系統 Week 14: Large Language Models and Multimodal AI Systems 第15週：元學習與自適應人工智慧 Week 15: Meta-Learning and Adaptive AI 第16週：AI前沿挑戰與課堂專題發表 Week 16: Frontier Challenges in AI and Final Project Presentations 第17週：期末報告 Week 17: Final Report 第18週：期末報告 Week 18: Final Report

評量方式

平時作業成績：50% 出席：20% 期末報告：10% 第17-18週線上出席表現:10% 第17-18週心得作業成績:10% 課堂參與額外加分 翹課一次扣總成績10分、請假第二次開始扣總成績1分、遲到早退一次扣總成績1分、學期缺課次數過多將增加總扣分數、作弊一律以不及格論

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 使用自編教材