學分數 |
3
|
修課時數 |
3
|
開課班級 |
日間部碩士班1年級 A班
|
本課程與系所培養學生能力指標關聯度: |
核心能力 | 能力指標 | 高度關聯 | 中度關聯 | 低度關聯 |
專題研究策劃與執行能力。 | 具有分析、規劃與設計專題之能力。 |
|
✔
|
|
專題研究策劃與執行能力。 | 具備設計實驗,及分析解釋專題結果之能力。 |
|
✔
|
|
專題研究策劃與執行能力。 | 具有執行實驗,以及分析與解釋數據的能力。 |
|
✔
|
|
創新思考及獨立解決問題能力。 | 具備發掘、分析及獨力解決問題的能力。 |
|
✔
|
|
創新思考及獨立解決問題能力。 | 具備獨立完成所交付任務的能力。 |
|
✔
|
|
本課程培養學生下列知識: |
深度學習課程將介紹 DNN, RNN, CNN, sequence-to-sequence learning等類神經網路的原理,以及pre=training, regularization, dropout, parameter tuning 等模型訓練技術。並實作深度學習模型,應用於真實世界問題。1.瞭解深度學習概念2.熟悉深度學習原理3.熟悉深度學習開發平台4.深度學習專題製作Deep learning course will introduce the principles of various neural networks, such as DNN, RNN, CNN, sequence-to-sequence learning. The course will also introduce pre=training, regularization, dropout, and other parameter tuning model training technique. Students shall implement deep learning models applied to real-world problems.
|
每週授課主題 |
第01週: 深度學習簡介第02週:機器學習簡介第03週:TensorFlow環境簡介第04週:TensorFlow實現神經網絡第05週:深度學習與深層神經網絡第06週:損失函數定義第07週:神經網絡優化算法第08週:MNIST數字識別問題第09週:期中考第10週:卷積神經網絡簡介第11週:卷積神經網絡結構第12週:使用卷積神經網路之影像處理第13週: 循環神經網絡簡介第14週:長短時記憶網絡(LTSM)結構第15週:自然語言建模第16週: TensorBoard可視化第17週:TensorFlow計算加速第18週:期末專題報告
|
成績及評量方式 |
期末專題發表:30%期中考:30%進度與口頭報告:20%平時作業及出席:20%
|
證照、國家考試及競賽關係 |
本課程無證照、國家考試及競賽資料。
|
主要教材 |
1.TensorFlow實戰Google深度學習框架才云科技Caicloud電子工業出版社978712130959520171 (教科書)
|
教師資料 |
教師網頁:http://www.cyut.edu.tw/~shwu/
E-Mail: shwu@cyut.edu.tw
Office Hour:
星期一,第3~4節,地點:E-734; 星期三,第3~4節,地點:E-734; 分機:4534、4534
|
|
|