課程介紹影片：按我！按我！
臺中市私立弘文高級中學 112學年度 第一學期 課程規畫表
課程名稱 | 從0開始學AI ( Learning AI from 0 ) | 課程類別 | □校訂必修 ■多元選修 □加深加廣選修 □補強性選修 □彈性學習 □團體活動 | ||||||||||||||||
課程說明 | 本課程採用教育部出版之「和AI做朋友－相知篇：從0開始學AI」為教本，課程以「機器學習的邏輯及運算思維」為核心，內容包含：人工智慧簡介、背景知識、監督式學習、非監督式學習、增強式學習與深度學習。 我們將艱深的AI知識轉化為淺顯易懂的學習內容，適合對於新興科技發展有興趣之學生建構基礎知識，並期望引發學生對於人工智慧的願景與想像，未來進而可與大學人工智慧課程銜接。 | ||||||||||||||||||
授課對象 | 高中部普通科 | ||||||||||||||||||
任課老師 | 資訊科：張政豐 | 課程時數 | 每週2節，共2學分 | ||||||||||||||||
開課年級 | □一年級 □二年級 ■三年級 | 每班修課人數 | 20 ~ 40人 | ||||||||||||||||
學習目標 | 1. 學生能了解人工智慧的起源、發展歷程、人工智慧的類型、應用現況以及未來可能發展方向。（認知） 2. 學生認識特徵值、分類器基本觀念，進而瞭解「最短距離」、「KNN」、「決策樹」三種分類器（認知） 3. 能理解基於類神經網路的深度學習與一般傳統分類器在整體架構上之差異。（認知） 4. 學生能分辨數據、資料，並進行特徵值正規化。（技能） 5. 學生能在資料集中找出常見項目集並探究其關聯式法則，也能運用各種演算法探勘出循序樣式的相關規則。（技能） 6. 學生能利用深度學習的方法，將面臨的問題以數學的形式表現。（技能） 7. 學生能應用運算思維分析生活中遇到的問題，並能發展演算法以解決運算問題。（情意） 8. 學生能反思未來在人工智慧高度發展之下，如何追尋與實現自我的價值。（情意） | ||||||||||||||||||
與十二年國教課綱對應之核心素養 | 自主行動 □A1身心素質與自我精進■A2系統思考與解決問題■A3規劃執行與創新應變 溝通互動 □B1符號運用與溝通表達■B2科技資訊與媒體素養□B3藝術涵養與美感素養 社會參與 □C1道德實踐與公民意識■C2人際關係與團隊合作□C3多元文化與國際理解 | ||||||||||||||||||
本校 | □品格形塑 ■邏輯思辨 ■溝通表達 □人文關懷 □全球視野 | ||||||||||||||||||
課程架構 | |||||||||||||||||||
與其他課程 內涵連繫 | 縱向 | 資料結構、演算法、程式設計、試算表軟體、圖像資料數位化 | |||||||||||||||||
橫向 | 數學科：向量、統計學變異數、條件機率、歐幾里得距離、矩陣的運算 生物科：神經構造與傳導模式之基本概念 | ||||||||||||||||||
教學方法或策略 | 教師講授、上機實作、分組合作學習 | ||||||||||||||||||
學 習 評 量 | 質化 |
| |||||||||||||||||
量化 | 課堂討論20% 學習單30% 實作評量30% 態度與互動20% | ||||||||||||||||||
課程預期產出 | 單元學習單、演算法實作作品 | ||||||||||||||||||
大學學群對應 | □大眾傳播學群 ■工程學群 □文史哲學群 □外語學群 | ||||||||||||||||||
大學相關科系 | 統計學系 資訊工程學系、資訊科學學系、資訊管理學習 電機工程學系 | ||||||||||||||||||
規劃內容 | 週 | 單元主題 | 單元學習內容 | ||||||||||||||||
1 | AI在哪裡？ | 什麼是人工智慧？那為什麼要學習人工智慧？ | |||||||||||||||||
2 | 背景知識I | 資料收集、資料整理與儲存、特徵選擇、特徵距離的計算 | |||||||||||||||||
3 | 背景知識II | 資料標準化、資料集分割（訓練集、驗證集、測試集） | |||||||||||||||||
4 | 背景知識III | 樹狀結構（樹的結構、二元樹的種類與走訪、二元搜尋樹） | |||||||||||||||||
5 | 搜尋演算法I | 線性搜尋、二元搜尋、廣度優先與深度優先搜尋 | |||||||||||||||||
6 | 搜尋演算法II | 實作「八皇后問題」、「推銷員問題」說明窮舉、剪枝與啟發式搜尋法 | |||||||||||||||||
7 | 資料探勘I | 資料探勘的價值、關聯性法則 | |||||||||||||||||
8 | 資料探勘II | 循序樣式探勘 | |||||||||||||||||
9 | 監督式學習I | 最短距離分類器、KNN分類器、SVM分類器 | |||||||||||||||||
10 | 監督式學習II | 決策樹、隨機森林 | |||||||||||||||||
11 | 非監督式學習I | K-means clustering分群 | |||||||||||||||||
12 | 非監督式學習II | Hierarchical clustering分群 | |||||||||||||||||
13 | 半監督式學習 | Self-training | |||||||||||||||||
14 | 增強式學習 | Q-learning | |||||||||||||||||
15 | 深度學習 | 卷積神經網絡（Convolutional Neural Network, CNN） | |||||||||||||||||
16 | 從生活談AI | 電影中的AI是真還是假？生活中有哪些AI運用實例？ 資訊科學專家們描繪的AI願景哪一部分最吸引你？ 透過分組報告，探討生活中所見的AI實例 | |||||||||||||||||
17 | 反思AI | 從AlphaGo刮起的AI旋風談起，探討研究成果與商業化的鴻溝，以及AI對法律與道德帶來的挑戰 | |||||||||||||||||
18 | 期末回顧與展望 | 學生分享這個學期的收穫、延伸學習規劃與未來展望 | |||||||||||||||||
環境與教學設備需求 | 需使用電腦教室上課 | ||||||||||||||||||
