人工智慧理論與實作

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

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.繳交五到十次程式實作 (50%) 2.期中文獻探討與計畫提案書 (10%) 3.期末presentation和term paper(30%) 4.課程參與(10%)

• 課堂講授
• 系統實作開發
• 實例應用探討
• 學期報告與展示

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

管理一館M418

時間

星期一 9:00~12:00

聯絡方式

szuhaohuang@gmai.com