107年第2學期-1162 深度學習導論與應用 課程資訊

評分方式

評分項目	配分比例	說明
期中考	20
期末考	30
作業	40
課堂參與(小考)	10

教育目標

深度學習是人工智慧的核心，它已成功應用在很多領域，尤其是在電腦視覺和語音辨識。語音辨識中的TIMIT和圖像辨識中的ImageNet, Cifar10上的實驗證明，深度學習相對於基礎機器學習更能夠提高辨識的精度。 深度學習（deep learning）是一種試圖使用包含複雜結構或由多重非線性變換構成的多個處理層對資料進行高層抽象的演算法。深度神經網路是一種具備至少一個隱層的神經網路。與淺層神經網路類似，深度神經網路也能夠為複雜非線性系統提供建模，但多出的層次為模型提供了更高的抽象層次，因而提高了模型的能力。至今已有數種深度學習框架，如深度神經網路(DNN)、卷積神經網路(CNN)和遞迴神經網路(RNN)已被應用在電腦視覺、語音辨識、自然語言處理、音訊辨識與生物資訊學等領域並取得了極好的效果。 本課程讓同學學習DNN、CNN、RNN、NLP、GAN等各種時下流行的深度學習架構理論並使用python及相關套件進行程式撰寫，在實作練習部分加入多種Lab實作課程的設計，使同學快速吸收許多實際應用在生活四周的例子，本課程理論與實作都相當完整達到真正學有所用的地步。

基本資料

選修課，學分數：0-3
上課時間：三/7,8,9[ST020]
修課班級：資工系3,4
修課年級：年級以上
選課備註：

參考書目

Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms
Deep Learning：用Python進行深度學習的基礎理論實作/歐萊禮/斎藤康毅 著/ 吳嘉芳 譯