人工智慧理論與實作
Artificial Intelligence: Theory and Practice
| 節 | 週四 |
|---|---|
8 16:30–17:20 | 人工智慧理論與實作 M101（光復） 3 節連堂 |
9 17:30–18:20 | |
A 18:30–19:20 |
* 根據陽明交大上課時間表所列
本課程教主要教授人工智慧、機器學習的理論與實務,並延伸至深度學習的基礎知識,包含Convolutional Neural Networks (CNN) 和 Long-short term memory network (LSTM)等的架構與實作教學,此外對於近年來蓬勃發展的金融科技領域,也將從資財系的觀點提供資工、資管、財金或其他相關科系的研究生,踏入CS+Finance跨領域學習的必備基礎,這門課程將包含大量的Python程式實作,也會在金融投資、衍生性商品訂價、電腦視覺、數據資料分析多個實務應用中,藉由上機實作教學、課堂程式作業、小組合作專題、報告與討論各種方式,讓所有學生具備跨足人工智慧、機器學習、金融科技等所需的資訊技術與應用領域知識,課程內容包含: 1. 機器學習理論:以人工智慧、統計理論實作、樣型辨識模型與機器學習理論相關的知識為主,概述各種演算法,諸如:Concept Learning、Decision Tree、Artificial Neural Networks、Genetic Algorithms、Support Vector Machines、Instance-based Learning、Clustering Analysis、AdaBoost algorithm 2. 實例應用系統開發:在大數據分析及決策的各種跨領域應用中,以多媒體與財務資料庫較易取得,故依修課同學背景分成多媒體系統決策與財務投資決策兩組,多媒體組以大量影像、聲音、影片資訊為研究標的,探討諸如人臉偵測、人臉辨識、智慧人機互動、人體姿勢模型等先進智慧型影像識別技術及其應用。而財務投資決策則將所學之人工智慧與機器學習理論,應用於財務時間序列中,並藉此探討各種創新金融與財務管理議題。 本課程除了學習人工智慧與深度學習理論,另藉由實例應用開發來建構同學們實作的能力。此外,雙應用主題的課程設計將有效協助不同研究背景的同學,快速達到學以致用的目的。期望能將各種已經成熟的AI科技,推展至各種管理決策與產品創新應用的電腦化與智慧化。
C語言或其他基礎程式語言能力
無備註
本課程包含大量python實作,需有一定撰寫程式相關經驗 其他教學相關配合事項如上課第一週所述
1.程式作業(30%) 2.期中考(30%) 2.期末報告 (30%) 3.課程參與(10%)
課堂講授
智慧決策系統理論授課
- 講授：
- 24
- 實作：
- 12
系統實作開發
程式教學與實作
- 示範：
- 3
- 實作：
- 3
實例應用探討
運用多媒體與財務數據資料庫進行智慧決策建模應用開發
- 示範：
- 3
- 實作：
- 3
學期報告與展示
以小組合作的方式進行期末研究實驗與報告撰寫
- 實作：
- 6
| 週次 | 主題 |
|---|---|
| 第 1 週 | Course introduction、Python Programming I 2024-09-05(四) |
| 第 2 週 | Python programming II and Trading Deal Matching 2024-09-12(四) |
| 第 3 週 | Introduction to Financial Markets and Derivatives 2024-09-19(四) |
| 第 4 週 | Options and Derivatives 2024-09-26(四) |
| 第 5 週 | Numerical Methods and Option Pricing 2024-10-03(四) |
| 第 6 週 | Introduction to Machine Learning 2024-10-10(四) |
| 第 7 週 | Information Gain and Decision Tree 2024-10-17(四) |
| 第 8 週 | Genetic Algorithms 2024-10-24(四) |
| 第 9 週 | Introduction to Computer Vision (Image Filtering and 3D vision) 2024-10-31(四) |
| 第 10 週 | Ensemble Learning 2024-11-07(四) |
| 第 11 週 | Boosting Algorithms 2024-11-14(四) |
| 第 12 週 | Artificial Neural Networks 2024-11-21(四) |
| 第 13 週 | Midterm Exam 2024-11-28(四) |
| 第 14 週 | Introduction to Deep Learning 2024-12-05(四) |
| 第 15 週 | Introduction to Deep Learning 2024-12-12(四) |
| 第 16 週 | Final Presentation 2024-12-19(四) |
參考書目: Machine Learning, Tom Mitchell, McGraw Hill, 1997 Computational Finance: An Introductory Course With R, Argimiro Arratia, Atlantis Pr, 2014 相關期刊與研討會論文 (請使用正版教科書)
- 地點
- 上課教室
- 時間
- 星期三 18:00~18:30
- 聯絡方式
- szuhaohuang@nycu.edu.tw