| 學分數 |
3
|
修課時數 |
3
|
開課班級 |
日間部博士班1年級 A班
|
| 本課程培養學生下列知識： |
|
1. 知識：介紹人工智慧技術與機器學習方法為主,探討人工智慧技術發展與機器學習技術在預測、分群、推薦系統的應用， 建立各種人工智慧的技術以及機器學習的方法 2. 技能：使學生能夠利用不同工具建立推薦系統 3. 態度：培養學生主動查詢相關論文與知識的應用能力 4. 其他：透過分組培養學生完成專案的能力。
1.學生需了解人工智慧的歷史與未來發展。2.學生需了解智慧知識系統的表示與推論方法。3.學生需熟悉本體知識的建構方法與工具使用。4.學生能閱讀相關議題之論文與表達報告。Curriculum objectives: 1. Knowledge: Introduction to artificial intelligence technology and machine learning methods. To explore the development of artificial intelligence technology and machine learning techniques in the prediction, clustering, recommended system applications. Let students establish the variety of artificial intelligence technology and machine learning ability. 2. Skills: to enable students to use different tools to create the recommended system. 3. Attitude: students have actively query the relevant papers and the knowledge of the applications of artificial intelligence and machine learning ability. 4. Other: grouping students complete the project capacity.
|
| 每週授課主題 |
|
第01週：Introduction to knowledge-based intelligent system第02週：The history of artificial intelligence and machine第03週：AI search 第04週：Rule-based expert systems;第05週：Uncertainty management in rule-based expert system第06週：Fuzzy and fuzzy expert systems 第07週：Introduction to Logics第08週：Logic reasoning第09週：middle test第10週：Case reasoning and Evolutionary compution第11週：Knowledge engineering :ontology第12週：Neural network for machine learning I第13週：Neural network for machine learning II第14週：Hybrid intelligent systems for machine learning第15週：Machine learning paper report第16週：Machine learning paper report第17週：Project Demo 第18週：Final report
|
| 成績及評量方式 |
|
平時作業及測驗：20%學習態度：15%期中考：30%口頭報告：15%期末報告：20%
|
| 證照、國家考試及競賽關係 |
|
本課程無證照、國家考試及競賽資料。
|
| 主要教材 |
|
1.Michael Negnevitsky, Artifical Intelligence: A guide to intelligent Systems, Addison Weseley,2002(教科書)
|
| 教師資料 |
教師網頁：
E-Mail：
Office Hour：
星期二,第3~4節,地點:L-704;
星期四,第3~4節,地點:L-704;
分機:7121、4558
|
|