114 - 1

機電視覺生成式AI模型基礎實作

Basic implementation of electromechanical vision generative AI model

 列印  意見回饋
開課識別碼: 193779
課程基本資料 Course Detail
課程名稱

機電視覺生成式AI模型基礎實作

Course Name

Basic implementation of electromechanical vision generative AI model

科目代碼
Course Code

4J5060

學期別
Semester

114 - 1

授課部別
Teaching Division

日間部

科系名稱
Department

電機工程系

授課班級
Class

四電機三Ａ

授課班級代碼
Class Code

4J031

科目類別
Subject Category

校訂選修科目

修課別
Required or Elective

選修課程

上課時數
Lecture Hours

3

實習時數
Laboratory Hours

0

學分數
Credits

3

授課語言
Language

中文

授課教師 Instructor
授課教師 Instructor
教師電子信箱 Instructor's E-mail

green@mail.ksu.edu.tw

教師個人網站 Instructor's Website

NULL

課程地點與時間 Classroom
上課時間 Class Time

週二(10、11、12)

授課地點 Classroom Location

E1604

聯合國永續發展目標 SDGs
  • SDG 4 優質教育 (Provide Quality Education)
    SDG 4 優質教育

    Provide Quality Education

  • SDG 7 可負擔的潔淨能源 (Grow Affordable and Clean Energy)
    SDG 7 可負擔的潔淨能源

    Grow Affordable and Clean Energy

  • SDG 8 合適的工作及經濟成長 (Create Decent Work and Economic Growth)
    SDG 8 合適的工作及經濟成長

    Create Decent Work and Economic Growth

  • SDG 9 工業化、創新及基礎建設 (Increase Industry, Innovation, and Infrastructure)
    SDG 9 工業化、創新及基礎建設

    Increase Industry, Innovation, and Infrastructure

  • SDG 11 永續城鄉 (Mobilize Sustainable Cities and Communities)
    SDG 11 永續城鄉

    Mobilize Sustainable Cities and Communities

  • SDG 13 氣候行動 (Organize Climate Action)
    SDG 13 氣候行動

    Organize Climate Action

教學內容 Course Outline
  • 第 1 週
    Python AI軟體開發平台建置　建立開發環境與必要套件
  • 第 2 週
    Python AI程式語言基礎　理解基本語法與變數運用
  • 第 3 週
    Python AI程式語言基礎　掌握資料型態與運算操作
  • 第 4 週
    機電生成式模型激勵函式　介紹常用激勵函式種類
  • 第 5 週
    機電生成式模型激勵函式　分析激勵函式特性與選擇
  • 第 6 週
    機電生成式模型誤差函式　學習計算模型預測誤差
  • 第 7 週
    機電生成式模型誤差函式　比較不同誤差函式應用
  • 第 8 週
    機電生成式模型最佳化函式　探討梯度下降原理與應用
  • 第 9 週
    機電生成式模型最佳化函式　解析多種最佳化演算法
  • 第 10 週
    生成式AI綠電應用實務(專題演講)　分享AI助力綠能案例
  • 第 11 週
    生成式類神經網路　理解網路架構與運作機制
  • 第 12 週
    生成式模型訓練與預測　實作模型訓練步驟與流程
  • 第 13 週
    生成式模型訓練與預測　掌握模型推論與結果評估
  • 第 14 週
    Python AI進階程式　運用模組與套件擴充功能
  • 第 15 週
    Python AI進階程式　實作進階資料處理技巧
  • 第 16 週
    Python AI進階程式　優化程式結構與運算效率
  • 第 17 週
    生成式AI應用實務　展示多領域應用成果
  • 第 18 週
    生成式AI應用實務(專題演講)　探討未來發展與挑戰
教材與教法 Teaching Materials & Methods
  • 1. 使用教材 Teaching Material

    自編講義

  • 2. 參考書目 Reference Book

    自編講義

  • 3. 指定閱讀書籍 Assigned Book

    自編講義

  • 4. 教學方式 Teaching Methods

    課堂講授 、 課堂討論 、 實務操作 、 網路輔助教學 、 職場與個案體驗教學

  • 5. 教材上網方式 On-line Materials

    網路大學

學習成果考評方式 Assessment
評量項目 配分比 評量方式
平時評量
Usual Tests 		50%
  • 出席狀況
期中評量
Mid-term Exam 		20%
  • 出席狀況
  • 課堂討論與表現
  • 報告(含個人或小組、口頭或書面、專題；訪問、觀察等形式)
  • 作業成績
期末評量
Final Exam 		30%
  • 出席狀況
  • 課堂討論與表現
  • 報告(含個人或小組、口頭或書面、專題；訪問、觀察等形式)
  • 作業成績
課程教學目標 Teaching Objectives
知識 使學生瞭解機電視覺生成式AI晶片設計應用
技能 能具備電路晶片設計與瞭解其他專業科目之能力
態度 能具備電機從業人員之專業態度
其他 能瞭解電機相關產業未來發展之方向
補救機制與相關課程資訊
  • 補救教學機制 Redeeming

    Office Hour 、 網路大學/e-Portfolio

  • 前置或延續學科 Prepositive or Continuative Subject

    電子學

  • 課程相關證照、升學、學程 Course-Related Certificates
    就業學程課程： 生成式AI之機器視覺智能化
    -