課程資訊
課程名稱
 智慧系統理論與實務
Intelligent Systems: Theory and Practice 
開課學期
 110-2 
授課對象
 工學院  機械工程學研究所  
授課教師
 郭重顯 
課號
 ME5061 
課程識別碼
 522 U6370 
班次
  
學分
 3.0 
全/半年
 半年 
必/選修
 選修 
上課時間
 星期五2,3,4(9:10~12:10) 
上課地點
 機械系計中 
備註
 總人數上限：50人 
Ceiba 課程網頁
 http://ceiba.ntu.edu.tw/1102ME5061_IS 
課程簡介影片
 
核心能力關聯
 本課程尚未建立核心能力關連
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

本課程的內容包括以下主題：
1. 智慧系統簡介
2. 法則庫專家系統
3. 模糊系統
4. 類神經網路
5. 演化式計算
6. 資料探勘
7. 混合式智慧系統
8. 卷積神經網路介紹
9. 長期短期記憶網路介紹
10. 深度學習之開放式程式碼應用
11. 案例探討
---------------------------------------------------------------------------------
The content of this course consists of the following topics:
1. Introduction to intelligent systems
2. Rule-based expert systems
3. Fuzzy systems
4. Artificial neural networks
5. Evolutionary computation
6. Data mining
7. Hybrid intelligent systems
8. Convolutional neural network (CNN)
9. Long short term memory (LSTM) network
10. Open source codes for deep learning projects
11. Case studies
 

課程目標
 本課程之目標為培養學生在智慧系統之理論探討與實務研發能力，並了解人工智慧倫理議題。透過此一課程，學生可學習到智慧系統的各種方法，例如：法則庫專家系統、法則庫專家系統之不確定性管理、模糊推論、類神經網路、演化式計算，資料探勘以及混合式智慧系統。同時，本課程還包括相當廣泛使用之深度學習方法，如卷積神經網路（CNN），長期短期記憶（LSTM）網路；此外，所使用之開放式程式碼也安排於實作課程。最後，本課程除了智慧系統理論講授外，也安排相關實作專題以提供學生學習上述方法之使用工具，培養學生在智慧系統之實務開發能力。
----------------------------------------------------------------------------------------
This course aims at elaborating the theory and practical implementation of the intelligent systems as well as understanding the ethical issues of artificial intelligence. The students are capable of exploring various methodologies within the scope of intelligent systems, such as rule-based expert systems, uncertainty management in rule-based expert systems, fuzzy inferencing, artificial neural networks, evolutionary computation and hybrid intelligent systems. Moreover, popular deep learning (DL) methods and their open source codes are also included in this course, and the DL methods are convolutional neural network (CNN) and long short term memory (LSTM) network. Finally, in addition to the understanding of theories, the tools of implementing the abovementioned methods are arranged as lab exercises to cultivate the students with the capability of practical implementation of intelligent systems.  
課程要求
 Programming skills in Python or C language 
預期每週課後學習時數
  
Office Hours
 每週一 09:00~12:00 
指定閱讀
 1. Handout
1. Artificial Intelligence: A Guide to Intelligent Systems, 3rd Edition, by Michael Negnevitsky, 2011
 
參考書目
 1. Intelligent Systems for Engineers and Scientists, 3rd Edition, by Adrian A. Hopgood, CRC Publication, 2018.
2. Journal & conference papers 
評量方式
(僅供參考)
  
No.
項目
百分比
說明
1. 
 Homeworks 
30% 
  
2. 
 Midterm exam 
35% 
 Limited in ONE A4 size page (double sides) note prepared by yourself 
3. 
 Final report 
35% 
  
 
課程進度
週次
日期
單元主題
第1週
 2/18  Introduction to intelligent systems 
第2週
 2/25  Rule-based expert systems 
第3週
 3/04  Uncertainty management in rule-based expert systems 
第4週
 3/11  Fuzzy systems (I) 
第5週
 3/18  Fuzzy systems (II) 
第6週
 3/25  Artificial neural networks (I) 
第7週
 4/01  Artificial neural networks (II) 
第8週
 4/08  Midterm exam 
第9週
 4/15  Evolutionary computation (I) 
第10週
 4/22  Evolutionary computation (I) 
第11週
 4/29  Data mining 
第12週
 5/06  Hybrid intelligent systems 
第13週
 5/13  Introduction to convolutional neural network (CNN) 
第14週
 5/20  Introduction to long short term memory (LSTM) network 
第15週
 5/27  Utilizing open source codes for deep learning projects 
第16週
 6/03  Dragon Boat Festival 
第17週
 6/10  Final report & presentation 
第18週
 6/17  Case study: intelligent robot control with machine learning