專題
決策樹架構之設計與實現
目的：
帶領同學設計與實作決策樹模型，並使同學能藉此了解如何應用於資訊安全問題之訓練、分類與偵測。
預期學習成效：
1.培養論文閱讀與思考能力
2.了解如何以軟體進行演算法實現與驗證
3.熟悉Cell-Based Front-End Flow
FLOW：
Phase1：Paper Survey(IS, ML, DT)
Phase2：Basic Decision Tree Simulation
Training
Classification
Phase3：Hardware Implementation
Decision Tree Classifier only
Training Module(Optional)
建議選修課程：
1.任何 Verilog 相關課程(至少具有以下一堂)
硬體描述語言
實用數位系統設計(PDSD)
數位通訊電路設計(研究所課程，已停開)
2.決策樹相關課程(非必要，有會更好)
資料探勘導論(目前停開)
人工智慧(一)
注意事項：
1.教授會指派一位Mentor給各組
2.在每個月月底須繳交一份進度報告給Mentor
3.Phase2開始後，會開放同學申請工作站使用
4.注重與教授和Mentor溝通信件的禮節。
Phase1：
時間：約 1 個月
說明：
這個階段會讓同學閱讀約3-5篇的論文，內容包含決策樹、機器學習方法介紹等，同學需進行思考與統整，並在Phase1結束時上台報告。
Phase2：
時間：約 1 個月
說明：
這個階段會讓同學以軟體方式實作決策樹，不限制樹的種類與程式語言，Python、C、C++或MATLAB都可以使用，唯一的要求就是不得使用內建函式產生的樹模型(例如MATLAB的Classification Learner)，並對指定的數個資料及進行訓練與分類，在Phase2結束時，需上台報告其結果。
Phase3：
時間：約 2 個月半
說明：
實作分類器至硬體，需自行編寫Testbench，並須進行邏輯合成(Synthesis)與閘級驗證(Gate-level Simulation)。須在Phase3結束前，上台報告成果。