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:簡介第02週:神經網路原理第03週:TensorFlow Keras第04週:深度神經網路第05週:回歸問題第06週:回歸問題實作第07週:二元分類問題第08週:二元分類問題實作第09週:期中考第10週:卷積神經網路第11週:多類別分類問題第12週:多類別分類問題實作第13週:神經網路訓練技巧第14週:神經網路訓練技巧第15週:卷積神經網路經典架構第16週:遷移學習第17週:期末報告第18週:期末報告
|
成績及評量方式 |
平時作業及出席:40%期中考:30%期末報告:30%
|
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.輕鬆學會Google TensorFlow 2.0人工智慧深度學習實作開發黃士嘉、林邑撰博碩出版 (教科書)
|
建議先修課程 |
1.Python programming
|
教師資料 |
教師網頁:http://www.cyut.edu.tw/~wccheng/
E-Mail: wccheng@cyut.edu.tw
Office Hour:
星期一,第3~4節,地點:R-213; 星期三,第3~4節,地點:R-213; 分機:5208、7631
|
|