東吳大學教師授課計劃表

檔案產生時間：2022/3/4 下午 08:02:06
本表如有異動，於4小時內自動更新
一、課程基本資料 Course Information
科目名稱 Course Title：
(中文)人工智慧導論
(英文)INSTRUCTION TO ARTIFICIAL INTELLIGENCE		 開課學期 Semester：110學年度第2學期
開課班級 Class：巨資四Ａ
授課教師 Instructor：蘇明祥 SU, MING-HSIANG
科目代碼 Course Code：BDM42101 單全學期 Semester/Year：單 分組組別 Section：
人數限制 Class Size：70 必選修別 Required/Elective：選 學分數 Credit(s)：3
星期節次 Day/Session： 二34E　 前次異動時間 Time Last Edited：111年01月04日07時36分
巨量資料管理學院基本能力指標 Basic Ability Index
編號
Code		 指標名稱
Basic Ability Index		 本科目對應之指標
Correspondent Index		 達成該項基本能力之考評方式
Methods Of Evaluating This Ability
1商學、管理與統計基礎能力
Basic abilities of business, management and statistics		  
2邏輯思考與解決問題能力
Abilities to think logically and to resolve problems		  
3資料分析與實務應用能力
Integration ability on data analysis and practical application		●》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式)
》作業成績
》實作(含分組演練/合作等)
4溝通與表達能力
Communication and self-expression abilities		  
5資訊科技應用能力
Applied information technology ability		●》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式)
》作業成績
》實作(含分組演練/合作等)
》資料蒐集與分析
6程式演算能力
Programming abilities		●》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式)
》作業成績
》實作(含分組演練/合作等)
》資料蒐集與分析
7跨領域整合創新能力
Interdisciplinary innovation abilities.		●》課堂討論與表現
》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式)
》實作(含分組演練/合作等)
》資料蒐集與分析
8巨量資料處理與應用能力
Abilities to analyze big data and develop its applications.		  
二、指定教科書及參考資料 Textbooks and Reference
(請修課同學遵守智慧財產權，不得非法影印)
●指定教科書 Required Texts
自訂教材
●參考書資料暨網路資源 Reference Books and Online Resources
1. Machine_Learning_with_TensorFlow
2. Math for Machine Learning
3. 學會TensorFlow之後呢？最尖端的21個夢幻範例實作
4. Python 深度學習基礎養成
三、教學目標 Objectives
在課程中，學生能學習人工智慧之基本原理和相關之數學知識，並引導學生學習有關資料分析，機器學習及實際案例實作之體驗。另外學生能藉由實作CNN, LSTM, GAN等基礎模型，理解各種模型適合的問題應用。
In this course, students can learn the basic principles of artificial intelligence and related mathematics knowledge, and learn about data analysis, machine learning and practical experience. In addition, students can understand the suitable problem applications of various models by implementing basic models such as CNN, LSTM, and GAN.
四、課程內容 Course Description
●整體敘述 Overall Description
在本課程中，學生可以學習人工智慧的基本原理和相關的數學知識，並透過基本模型實作來學習解決應用問題。
●分週敘述 Weekly Schedule
週次 Wk 日期 Date 課程內容 Content 備註 Note

1

 2/22 Python 語法與運算套件安裝  　

2

 3/1 深度學習所需數學知識介紹  　

3

 3/8 深度學習所需數學知識介紹  　

4

 3/15 神經網路的基礎介紹  　

5

 3/22 訓練神經網路之技巧  　

6

 3/29 訓練神經網路之技巧  　

7

 4/5 常遇到之問題及解決策略  　

8

 4/12 解決訓練成效不佳的問題  　

9

 4/19 期中考  　

10

 4/26 卷機神經網路基本概念  　

11

 5/3 卷機神經網路實作  　

12

 5/10 循環神經網路基礎及實作  　

13

 5/17 深層強化式學習實作  　

14

 5/24 生成模型基礎與實作  　

15

 5/31 Transformer模型基礎與實作  　

16

 6/7 機器學習應用於情緒分析  　

17

 6/14 機器學習應用於影像分類  　

18

 6/21 期末考  　
五、考評及成績核算方式 Grading
配分項目 Items 次數 Times 配分比率 Percentage 配分標準說明 Grading Description
出席1010%每次缺席扣1%
分組報告作業420%遲交扣1%
期中專題作品120%組內互評5%、授課教師評分15%
期末專題作品120%組內互評5%、組間互評5%、授課教師評分10%
平時作業510%遲交扣0.5%
期中專題報告110%組間互評5%、授課教師評分5%
期末專題報告110%組間互評5%、授課教師評分5%
配分比率加總 100%  
六、授課教師課業輔導時間和聯絡方式 Office Hours And Contact Info
●課業輔導時間 Office Hour
Tuesday: 14:00~17:00
Wednesday: 9:00~11:00
Thursday: 9:00~12:00
●聯絡方式 Contact Info
研究室地點 Office：Q218 EMAIL：minghsiangsu@scu.edu.tw
聯絡電話 Tel：6477 其他 Others：
七、教學助理聯絡方式 TA’s Contact Info
教學助理姓名 Name 連絡電話 Tel EMAIL 其他 Others
八、建議先修課程 Suggested Prerequisite Course
1. 程式設計
2. 線性代數
3. 微積分
九、課程其他要求 Other Requirements
十、學校教材上網、數位學習平台及教師個人網址 University’s Web Portal And Teacher's Website
學校教材上網網址 University’s Teaching Material Portal：
東吳大學Moodle數位平台：http://isee.scu.edu.tw
學校數位學習平台 University’s Digital Learning Platform：
☐東吳大學Moodle數位平台：http://isee.scu.edu.tw
☑東吳大學Tronclass行動數位平台：https://tronclass.scu.edu.tw
教師個人網址 Teacher's Website：
其他 Others：
十一、計畫表公布後異動說明 Changes Made After Posting Syllabus