深度學習基礎概論
Introduction to Deep Learning
| 節 | 週二 |
|---|---|
5 13:20–14:10 | 深度學習基礎概論 EO103（光復） 3 節連堂 |
6 14:20–15:10 | |
7 15:30–16:20 |
* 根據陽明交大上課時間表所列
課程將教導學生深度學習相關基礎知識及現今各領域技術發展,課程內容將介紹類神經網路CNN、RNN、SGD、Back-propagation、各種Activation Function、Loss function、Dropout、Regularization、Words embedding、AutoEncoder、以及深度學習在電腦視覺、自然語言處理、醫療領域、訊號分析等等領域的應用,此課程將有助於學生了解深度學習及目前最新技術發展。
建議熟悉線性代數、機率、python
無備註
口頭授課搭配影片介紹,另外也將安排學生閱讀相關書籍文獻並整理報告,並邀請數位業界講師參與經驗分享。
1學期作業 Homework 2.考試狀況 Midterm and Final Exam 3.評量方法 期中考30%、平時成績30%、口頭報告10%、期末考30%
Fundamentals of Deep Learning
-Computer Vision -Natural Language Processing -Multiple Data Type -Healthcare Image Analysis
- 講授：
- 21
Applications of Deep Learning
- Intelligent Video Analytics -AutoEncoders -GANs -RAPIDS -Image super resolution
- 講授：
- 24
Overview of Deep Learning
-Introduction
- 講授：
- 3
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction to Deep Learning |
| 第 2 週 | Fundamentals of Deep Learning for Computer Vision |
| 第 3 週 | Fundamentals of Deep Learning for Computer Vision |
| 第 4 週 | Fundamentals of Deep Learning for Natural Language Processing |
| 第 5 週 | Fundamentals of Deep Learning for Natural Language Processing |
| 第 6 週 | Fundamentals of Deep Learning for Multiple Data Type |
| 第 7 週 | Fundamentals of Deep Learning for Multiple Data Type |
| 第 8 週 | Fundamentals of Deep Learning for Healthcare Image Analysis |
| 第 9 週 | Midterm Exam |
| 第 10 週 | Deep Learning for Intelligent Video Analytics |
| 第 11 週 | Deep Learning for Intelligent Video Analytics |
| 第 12 週 | Deep Learning for Digital Content Creation using AutoEncoders |
| 第 13 週 | Deep Learning for Digital Content Creation using AutoEncoders |
| 第 14 週 | Deep Learning for Digital Content Creation using GANs |
| 第 15 週 | Deep Learning for Digital Content Creation using GANs |
| 第 16 週 | Accelerated Data Science with RAPIDS |
| 第 17 週 | Image Super Resolution using AutoEncoders |
| 第 18 週 | Final Exam |
Deep Learning (Adaptive Computation and Machine Learning series), 2016 Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press
- 地點
- 教師未提供此項資料
- 時間
- 教師未提供此項資料
- 聯絡方式
- Email: CKL@nvidia.com