系所公告
類別選擇
| 公告日期 | 2021-08-09 |
|---|---|
| 公告 | 【敏求智慧運算學院AI課程】人工智慧運算入門、跨域應用及跨國實作課程，歡迎選修 |
| 內容 | 歡迎想要了解智慧運算、掌握整合與應用人工智慧相關知識與能力、成為AI及物聯網時代炙手可熱雙專業人才的同學，選修以下課程；強化個人競爭力，學分可認列於智慧運算學分學程！ 選課路徑：成大選課系統>課程查詢>系所課程>依學院、系所>大學部/研究所>敏求智慧運算學院 ◆吳進義老師-Python 程式設計入門｜中文授課 隨著資訊教育越來越普及，程式語言儼然成為這個世代的顯學。在各個程式語言中，又屬Python 最易入門，並且應用廣泛，例如：爬蟲、數據分析、影像處理、機器人控制與深度學習等。這堂課將教導Python的基礎語法與進階應用，培養學生使用Python實做的能力，讓學生可以利用Python解決生活、研究或工作上遇到的問題。 #入門AI必備Python技能 #商管、人文、社會科學到電機領域必學 --- ◆林偉棻老師-人工智慧運算與應用｜中文授課 在現今社會，無論你身處哪個領域，擁有跨人工智慧領域的知識是你脫穎而出的關鍵之一。此門課程希望將人工智慧帶給成大九大學院的同學，透過介紹人工智慧運算的基本概念與跨領域應用現狀，讓各學院的同學能系統性地進入人工智慧的世界，並經由實作過程融會貫通。 #認識人工智慧運算的基本概念與跨領域應用現狀 #具備人工智慧運算基礎能力，為自己的未來加分 --- ◆李韶曼老師-人工智慧法律與政策｜中文授課 AI技術逐漸應用於社會生活之中，在不久的將來極有可能與我們的生活息息相關。因此，AI技術應用的法律與管制政策成為我們重要的課題。 這堂課目的在於探討人工智慧治理的管制框架與主要議題，提供跨領域研究者所需要初步法律素養，希望能作為跨域思考的起點。課程除了講授概念外，更在於認識相關爭議：課堂著重同學藉由分組討論相互挑戰並完善個人想法。希望藉由注入民主社會多元價值於人工智慧研發應用的方式，幫助形塑整全的人工智慧治理願景。 #當AI進入我們生活之中，在人工智慧法律與政策面前，沒有人是局外人 #跨人工智慧領域工作者的法律規範基本素養 --- ◆李國榮老師-機率與資料導論｜中文授課 熱門領域的必備先修技能！無論是機器學習(Machine Learning)或是巨量資料分析，都需學生擁有機率與資料導論的知識能力。本課程將介紹基礎機率模型及統計方法，包括描述性統計，機率，隨機變數，及樣本平均值的分佈…等。本課亦會講授進階的統計方法：變異數分析和迴歸分析，學生將學習如何把統計方法應用於解決實際的問題。 #機器學習及巨量資料分析等熱門領域的必備先修課 #學習處理大數據 --- ◆濱野正浩老師-數學與演算法｜英文授課(Course taught in English) Prof. Masahiro HAMANO-Introduction to Theory of Computation 演算法是人工智慧發展至今重要的一環，亦已深入至許多領域的研究與應用，如社會科學、語言分析、統計學、數據分析、資訊工程、電腦工程等。越靈活應用演算法，越能加速執行任務的效率。然而演算法越學越多，要如何選用最有效率的演算法呢？此時我們便需要了解「複雜度理論」。 這堂課屬於入門級別，自數學角度切入，從「複雜度理論」的根源——計算理論（Theory of computation）談起，講解圖靈機模型（Turing Machine）及其所衍生的決定性（deterministic）與非決定性（non-deterministic）函數，乃至複雜度理論。 這堂課亦會談到與複雜度理論相關的密碼學及量子電腦，讓同學對未來資訊安全及未來電腦革新有基本的認識。 Algorithms are crucial to artificial intelligence, and have been deeply relevant to fields such as social science, linguistic analysis, statistics, data analysis, computer science, information engineering, etc. The more agile the deployment of an algorithm, the more efficient it would be to execute tasks. As we learn more and more algorithms , it soon comes the question of deciding what algorithm to use. Complexity theory is important in regard to choosing the best algorithm to use. In this course, Professor Hamano starts with the Theory of Computation, where complexity theory is derived from and with mathematical concepts and methods. Turing Machine modelling, deterministic and non-deterministic functions are in the following classes, including extensions of Turing Machine, cryptography and quantum computation as well. #提升運算效率從學會判斷選擇哪個演算法開始 #認識電腦的計算原理與量子電腦的革新 #Introductory level course #Elevating the computing efficiency starting from choosing the best algorithm #Learning the theory of computation and the innovation of quantum computation --- ◆徐禕佑老師-AI圖像識別及機器人實驗室導論｜英文授課(Course taught in English) Prof. Allen Hsu-Introduction to Image Recognition AI and Robotics lab 首堂跨國合開課程！成大敏求智慧運算學院與日本香川高專聯合開課，成大學生將會與香川高專學生一起上課，學習人工智慧機器人實作課程。 這堂課從基礎的AI圖像識別開始講起，讓同學使用Python建置、訓練並評估深度學習模型（deep learning model），並以此應用於實際的機器人自走車，了解如何透過AI圖像識別讓機器人自走車與真實世界互動。老師將指導學生結合其他軟硬體與課程所學，完成人工智慧機器人專案，擁有完整實作的經驗。 這堂課希望學生可以享受動手做的樂趣，藉著學習人工智慧機器人實際應用的原理與工具，擁有相關能力及經歷。在學期期間，如果疫情許可，不排除安排實地訪問香川高專，讓兩校學生有親身交流的機會。 The first international joint course in SOC! Miin Wu School of Computing has collaborated with National Institute of Technology, Kagawa College, Japan (NITKC), to design the syllabus and instruct students in the course “Introduction to Image Recognition AI and Robotics Lab”. Starting with basics of image recognition AI, students will learn how to build, train and evaluate a deep learning model, and eventually apply the model on robots. NCKU students will take the class with NITKC students together remotely, and work on an AI robot project. The course provides an opportunity for students to have hand-on experiences. In addition, there might be a field trip(in-person) visit to NITKC under safe conditions. #跨國合作課程 #Python、深度學習、AI圖像識別、人工智慧機器人四合一 #包含實際實作，親身體驗自走車的操作 #建議先修Python或與「Python 程式設計入門」一起修課 #international joint course #integration of Python, deep learning, image recognition AI, and AI robotics #hand-on course --- ◆濱野正浩老師-隨機過程(碩士課程)｜英文授課(Course taught in English) Prof. Masahiro HAMANO-”Stochastic Process” 隨機過程是許多基本大量隨機數據建模的理論基礎，譬如卜瓦松分布、高斯過程、排隊理論等。這些模型廣泛應用於機械工程、電機工程、資訊科學、系統工程、社會科學、金融、財務管理、電腦視覺，乃至現今熱門的深度學習等領域。本課程將介紹隨機過程的基本概念，並著重離散和連續時間馬可夫鍊理論。近年來，隨機過程常應用於優化演算法及模型。這堂課程希望能讓更多同學從根本了解這些隨機數據模型的原理，讓同學能更靈活應用這些模型，完善自己的研究，乃至未來更有效率的執行任務。 Stochastic Process is the foundation for a number of stochastic modellings, such as Poisson, Gaussian, queuing models etc. Stochastic models are widely applied in mechanical engineering, electrical engineering, computer science, system engineering, social science, financial management, computer vision, deep learning and other fields. This course introduces a basic theory of stochastic process at the beginning, and then focuses on the theory of discrete and continuous Markov processes. In the recent past, the stochastic process was frequently used to optimize algorithms and models. The objective of this course is to instruct students deploying the models efficiently to complete the research and execute tasks in a better way. #數學工具在手，加速建模效率 #機器人學的預修課程 #追求精簡優美的演算法從掌握更多模型工具開始 #accelerate modelling with math #essential to robotics #better modelling skills in hand, more elegant your algorithms would be --- ◆張亞寧老師-計算認知科學｜中文授課 計算認知科學是一門運用計算模型理解腦神經元活動和行為的學科，結合認知科學、計算神經科學與人工智慧三領域。這堂課程希望讓學生了解神經網路的理論基礎與模型，以及大腦與認知科學研究議題與研究方法，進而了解計算模型的建構及其在認知科學研究的應用。對於非本科生而言，這堂課可以帶領你進入認知科學，了解心智運作的基礎理論與模型。目前計算認知科學已為人工智慧領域帶來突破，對於欲精進人工智慧的同學而言，是具啟發性的跨領域嘗試。 #認識大腦運作方式 #建議欲精進人工智慧領域的同學選修 -- 聯繫人：陳嬿羽 Dora Chen Tel: 06-2757575 #57000 ext. 103 E-mail: |
| 公告人員 | 系辦人員 |
| 附件 | SOC110上學期課程詳細介紹.pdf |