課程資訊
課程名稱
人工智慧導論
Foundations of Artificial Intelligence 
開課學期
110-2 
授課對象
電機資訊學院  資訊工程學系  
授課教師
陳尚澤 
課號
CSIE3005 
課程識別碼
902 30100 
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
資102 
備註
109學年度起入學本系生將於大三時必帶。與林軒田合授
限學士班三年級以上 且 限電資學院學生(含輔系、雙修生)
總人數上限:100人 
 
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

人工智慧旨在讓電腦具有智慧解決問題、學習知識、演繹資訊等能力,隨著現代電腦系統的進展,人工智慧技術已在不同面相影響人類的生活。本課程從人工智慧史上的三個主要軸向(最佳解搜尋、由資料中學習、邏輯與知識推理)介紹這些軸向中核心的課題。 

課程目標
本課程旨在做為本系大學部學生接觸人工智慧領域之入門課程,目標為傳授人工智慧之核心知識,使學生能輕易地與更深入之學理或更廣泛之應用接軌。 
課程要求
先修課程:微積分、機率、線性代數、演算法設計與分析 
預期每週課後學習時數
 
Office Hours
 
指定閱讀
 
參考書目
Artificial Intelligence: A Modern Approach, 4th Edition 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
Homework 
40% 
4 x 10% 
2. 
Midterm 
30% 
 
3. 
Final Project 
30% 
 
 
課程進度
週次
日期
單元主題
第1週
2/18  Introduction and History of AI, Uninformed Search 
第2週
2/25  Informed Search: A* Algorithm and Heuristic Search 
第3週
3/4  Constraint Satisfaction Problems 
第4週
3/11  Adversarial Search, Games 
第5週
3/18  Propositional Logic and Planning 
第6週
3/25  Logical Agent, First-Order Logic 
第7週
4/1  Bayesian inference 
第8週
4/8  Midterm 
第9週
4/15  Machine Learning Overview, Logistic Regression 
第10週
4/22  Nonlinear Learning: Decision Tree Ensemble 
第11週
4/29  Probabilistic Modeling: Markov Decision Process and/or Reinforcement Learning 
第12週
5/6  Unsupervised Learning: K-means Clustering, Principal Component Analysis 
第13週
5/13  Neural Networks and Deep Learning 
第14週
5/20  Proper Uses of Machine Learning 
第15週
5/27  Connection to Advanced Topics and Other Courses 
第16週
6/3  Dragon Boat Festival, No class 
第17週
6/10  Final Project Due