教學大綱_110_1_2740 人工智慧應用

朝陽科技大學
110學年度第1學期教學大綱

當期課號 2740 中文科名人工智慧應用

授課教師陳榮靜開課單位資訊管理系

學分數 3 修課時數 3 開課班級日間部四年制3年級 D班

修習別專業必修

類別英語授課

本課程培養學生下列知識：

人工智慧應用涵蓋： 1.認識人工智慧與機器學習及人工智慧的發展歷史2. 認識人工智慧應用程式語言 Python 和 R 語言3. 認識與應用遺傳演算方法4. 監督式學習與非監督式學習及其應用 5.不同類經網路應用與操作實例 1. 讓學生了解機器學習/人工智慧的運作方式及基本術語。 2. 讓學生透過程式語言Python 和R 進行人工智慧演算法應用。 3. 讓學生了解監督式學習與非監督式學習的應用與實作。 4. 讓學生了解人工智慧之神經網路的實作方法與應用。

1.讓學生了解機器學習/人工智慧的運作方式及基本術語。
2.讓學生透過程式語言Python 和R 進行人工智慧演算法應用。
3.讓學生了解監督式學習與非監督式學習的應用與實作。
4.讓學生了解人工智慧之神經網路的實作方法與應用。

The application of artificial intelligence covers: 1. Understand the development history of artificial intelligence, machine learning and artificial intelligence 2. Understand the application language of artificial intelligence Python and R language 3. Using evaluations algorithms 4. Supervised learning and unsupervised learning and their applications 5. Different types of network applications and operation examples. 1. Let students understand how machine learning/artificial intelligence works and basic terminology. 2. Let students use the programming languages Python and R to apply artificial intelligence. 3. Let students understand the application and practice of supervised learning and unsupervised learning. 4. Let students understand the implementation methods and applications of artificial intelligence neural networks.

每週授課主題

第01週：Introduction to AI and human knowledge
第02週：The history of artificial intelligence and machine learning
第03週：The languages of AI applications Python
第04週：The language of AI using R
第05週：Evolutionary methods I (GA)
第06週：Evolutionary methods II( Ant)
第07週：Supervisor learning (decision tree)
第08週：Supervisor learning( SVM and neuron network)
第09週：middle test
第10週：Grade descent method
第11週：Supervisor Neuron network applications I
第12週：Supervisor Neuron network applications I
第13週：Unsupervised learning (K-Means; KNN)
第14週：Unsupervised learning (Neuron Network)
第15週：AI Searching and applications
第16週：AI applications project demo
第17週：Group project presentation
第18週：Final report and/or Testing

成績及評量方式

平時作業及測驗：20%
學習態度：10%
期中考：35%
口頭報告：15%
期末報告與(或)期末測驗：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.Artifical Intelligence: A guide to intelligent SystemsMichael NegnevitskyAddison Weseley(教科書)
2.Machine Learning and Big Data Uma N DulhareWiley(教科書)

參考資料

本課程無參考資料!

建議先修課程

1.Python language

教師資料

教師網頁：http://www.cyut.edu.tw/~crching/
E-Mail： crching@cyut.edu.tw
Office Hour：
星期二,第5~6節,地點:T2-951;
星期四,第3~4節,地點:T2-951;
分機:4463

[關閉] [列印]
尊重智慧財產權，請勿不法影印。