國立台灣大學領域專長

首頁
Home

領域專長列表
List of Programs

查詢修課情形
Course Enrolled

注意 (Note)：

領域專長課程可能有先修科目或開放對象之限制，選課前請先到臺大課程網確認。
Individual courses may have prerequisite or eligibility requirements. Please check with Online Course Information (https://nol.ntu.edu.tw/nol/guest/index.php) prior to course registration.
學生取得認證以畢業當學期有效之領域專長為準。
Certification will be subject to the specializations in effect in the semester of graduation.

領域專長
Programs

名稱
Title

中文名稱：機器學習與人工智慧
英文名稱：Machine Learning and Artificial Intelligence

聯絡人
Contact Person

姓名：曾詩婷電話：33664888#260
Email：sttseng@csie.ntu.edu.tw
主辦教學單位與所屬學院：資訊工程學系 / 電機資訊學院

領域專長
主責教師
Main Instructor

姓名 : 林軒田
Email : htlin@csie.ntu.edu.tw

學習目標與
預期學習效益
Goals and Expected Learning Outcomes

本領域專長模組針對機器學習之理論與技術進行學習，並且著重於人工智慧之各式應用，讓學生可以具備理論與實務兼具之能力。在完成基礎課程（Level 1）後，我們預期學生得以具備基礎程式與資料結構之實作能力，在擁有從基礎課程學習到的基本知識，我們期望在完成方法課程（Level 2）後，學生可以具備（1）此領域之理論基礎、（2）了解相關技術之方法內容。在深入的進階課程中（Level 3 與 Level 4），學生將得以將在前兩個模組學習到的基本知識與實作能力應用在解決實務問題上。我們預期在完成該階段後，學生將得以（1）根據觀察到的實務問題，規劃出對應之機器學習任務，並提出解決方法及實作相關模型、（2）在前瞻之研究部分，學生能夠閱讀並理解機器學習相關領域之文獻中，思考可能的研究方向與相關價值、（3）有能力與相關產業合作，並達到實質上的貢獻，或者能夠與此領域相關學者或研究者合作，共同產出具有在國際會議或者期刊發表潛能之深入研究。

課程架構
Program structure

修課指引
Course-taking Guidelines

修習此領域專長之同學需具備幾門先修課程之能力，已具備足夠能力修習此領域專長之課程模組，包含：機率、線性代數、程式設計。基礎課程（Level 1）除本系（資訊工程學系）必修之基礎課程外，主要之基礎課程為開設於本系的「資料結構與演算法」。「資料結構與演算法」主要以基本的資料結構為經，相對應的演算法為緯，由具體實作中，逐步引入各種的理論分析工具，講授如何在不同情境下，選擇最適當的資料結構與演算法，並評估各種選擇的優劣性，不但涵蓋了資訊領域的基本技術，也教導學生如何表現並存取與處理各式的資料，以銜接當代以資料所驅動的機器學習與人工智慧技術。方法課程（Level 2）教授學生此領域之基礎理論及相關方法，涵蓋的課程為開設於本系的「人工智慧導論」或「機器學習基石」。「人工智慧導論」主要內容為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，並做為學生接觸人工智慧領域之入門課程；「機器學習基石」則較專注於由資料學習的面向，旨在讓電腦能由資料中累積的經驗來自我進步，介紹各領域中的機器學習使用者都應該知道的基礎演算法、理論及實務工具。由於此領域與許多實務應用相關，故 Level 3 與 Level 4 針對實務與進階應用之面相強化學生之相關能力，包含實務應用課程「機器學習技法」與「機器學習」，此部分課程將機器學習的基礎工具往三個方向延伸為強大而實用的工具。這三個方向包括嵌入大量的特徵、融合預測性的特徵、與萃取潛藏的特徵，包含當代重要的深度學習工具，並以課內競賽的方式訓練實務的解題能力。進階的應用課程涵蓋不同深入面相，包含「深度學習之應用」、「高等人工智慧」、與「機器學習專論」。「深度學習之應用」主要內容介紹深度學習於各領域之應用，包含語言處理之進階模型介紹及實作，讓學生可透過此課程訓練許多實務應用之技巧，並累積相關經驗。「高等人工智慧」主要內容為延伸人工智慧導論課程中的各式工具來解決實際的應用問題。「機器學習專論」主要則讓修課同學能了解機器學習最新的方法、處理機器學習遇到的瓶頸並嘗試機器學習不同形式的應用。經過此進階課程，學生應具備足夠背景，可銜接相關領域之國內外碩博士學位，進行相關之研究發展。

課程資訊
Courses of the Program

編號 no.	課程識別碼 Course Number	課程名稱 Course Title	學分數 Credits
1	902 10750	資料結構與演算法 / Data Structures and Algorithms	3.00
2	以下課程2選1門 Select one course
	922 U4360	機器學習基石 / Machine Learning Foundations	2.00
	902 30100	人工智慧導論 / Foundations of Artificial Intelligence	3.00
3	以下課程2選1門 Select one course
	922 U4390	機器學習技法 / Machine Learning Techniques	2.00
	922 U0960	機器學習 / Machine Learning	3.00
4	以下課程3選1門 Select one course
	922 U4340	深度學習之應用 / Applied Deep Learning	3.00
	922 M1220	高等人工智慧 / Advanced Artificial Intelligence	3.00
	922 U4450	機器學習專論 / Special topics on Machine Learning	3.00
合計4門課,共10 - 12學分 This program entails 4 courses, amounting to 10 - 12 credits.

備註
Remarks

「機器學習基石」和「機器學習技法」為舊課，自110學年度起不再開設，但接受已修習該課程之同學申請認列。

Copyright c 2021 臺灣大學教務處 Academic Affairs Division, National Taiwan University
10617 臺北市羅斯福路四段一號　No. 1, Sec. 4, Roosevelt Road, Taipei, 10617 Taiwan
電話總機（Phone）：+886-2-3366-2388