課程資訊
課程名稱
空間資訊與人工智慧
Spatial Information and Artificial Intelligent 
開課學期
107-1 
授課對象
生物資源暨農學院  森林環境暨資源學系  
授課教師
邱祈榮 
課號
Forest5059 
課程識別碼
625 U2140 
班次
 
學分
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期二2,3,4(9:10~12:10) 
上課地點
 
備註
上課地點:自動化中心。
總人數上限:20人
外系人數限制:5人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/1071Forest5059_ 
課程簡介影片
 
核心能力關聯
核心能力與課程規劃關聯圖
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

課程概述
空間資訊為空間資訊收集、管理與分析的一門科學,在空間資訊收集方面,包含傳統的地面測量工作外,也包括有全球定位系統、遙感探測等技術來廣泛收集各種空間資訊進行後續分析使用。在資料管理方面則以空間資料庫概念配合地理資訊統的整合平台,讓空間資訊得以應用於不同領域。在應用分析方面,空間資訊透過空間分析的理論與應用工具,讓空間資料的應用能夠更深入。隨者空間資料的大量累積,以及應用分析的即時需求,讓空間資訊的分析需要在量的快速處理以及值的分析處理,都需要配合人工智慧技術的協助,方能充分滿足空間資訊分析的未來需求。
本課程係針對已修習空間資訊相關入門課程,如測量學、遙感探測或地理資訊統等課程,有意在空間資訊方面更進一步掌握空間資訊的最新發展,以及如何結合人工智慧技術,提昇空間資訊的應用價值,同時也能增加基礎空間資訊課程的延伸應用。
課程設計上,共分為四大單元:基礎空間資訊整合回顧、人工智慧技術、人工智慧空間整合分析以及應用實例討論等。
第一單元從從空間資訊收集、管理到基本應用分析,從整合應用的角度做一個統整的回顧。
第二單元介紹人工智慧源起、相關分析技術與未來趨勢等。
第三單元著重在如何將人工智慧分析技術導入空間分析過程,提昇空間分析的理論與應用層面。
最後一個單元重點在於介紹人工智慧與空間分析整合應用的實例,並且透過實際操作練習,讓學生實際體會如何結合人工智慧與空間資訊。
 

課程目標
1.了解空間資訊應用與未來趨勢,掌握不同空間資訊收集、管理與應用範圍與限制
2.瞭解人工智慧的內涵及應用的可能性、限制性與發展性
3.建立自學能力理解如何將人工智慧與空間分析予以整合,提昇空間分析能力
4.透過業師交流、實例討論與實作,讓學生具備基本人工智慧與空間分析的實際應用能力


 
課程要求
1.已修習空間資訊相關基礎課程,如遙測學或地理資訊系統或測量學
2.完成投稿稿件或實作產品為學期成績評分依據 
預期每週課後學習時數
 
Office Hours
另約時間 
參考書目
劉新宇, 2018, AI及機器學習的經脈:演算法新解, 佳魁資訊
Alina Bărbulescu, 2016, Studies on Time Series Applications in Environmental
Sciences, Springer International Publishing
Chander Kumar Singh , 2018, Geospatial Applications for Natural Resources
Management, CRC Press
David L. Poole and Alan K. Mackworth, 2017, Artificial Intelligence:
Foundations of Computational Agents, Cambridge University Press
Erik Westra, 2016, Python Geospatial Development, Packt publishing
Ethem Alpaydin, 2016, Machine Learning: The New AI, MIT Press
Francois Chollet and J. J. Allaire, 2018, Deep Learning with R, Manning
Publication Inc.
Francois Chollet, 2018, Deep Learning with Python, Manning Publication Inc.
William Sullivan, 2018, Machine Learning Algorithms For Supervised and
Unsupervised Learning: The Future Is Here!, Health Pragmatic Solutions Inc.
 
指定閱讀
The future of geospatial imtelligence  
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
期末報告 
100% 
期末報告以能完成投稿稿件或實作產品為評分依據 
 
課程進度
週次
日期
單元主題
第1週
9/11  空間資訊概論 
第2週
9/18  空間資訊收集技術 
第3週
9/25  空間資訊管理技術與平台 
第4週
10/02  實作練習—R語言與Python語言 
第5週
10/09  空間分析理論(I) 
第6週
10/16  空間分析理論(II) 
第7週
10/23  人工智慧概論 
第8週
10/30  機器學習(I)--決策樹 
第9週
11/06  期中報告 
第10週
11/13  機器學習(II)--人工神經網路 
第11週
11/20  機器學習(III)--無監督學習 
第12週
11/27  空間分析整合人工智慧(I) 
第13週
12/04  空間分析整合人工智慧(II) 
第14週
12/11  整合實例討論 
第15週
12/18  整合實例討論 
第16週
12/25  整合實例討論 
第17週
1/01  期末報告