深度學習與生醫應用
Deep learning and biomedical applications
| 節 | 週一 |
|---|---|
7 15:30–16:20 | 深度學習與生醫應用 YL403（陽明） 3 節連堂 |
8 16:30–17:20 | |
9 17:30–18:20 |
* 根據陽明交大上課時間表所列
本課程將以翻轉教學的方式進行,請同學先看過已經放在教學區的預錄影片,該影片已經包含了python簡短複習,捲積深度學習網路架構的基本理論、物件導向程式、pytorch以及應用實例。本學期的授課重點為增強大家對深度學習與Pytorch程式的了解,將以教科書(Daniel Voigt Godoy - Deep Learning with PyTorch Step-by-Step A Beginner’s Guide-leanpub.com (2022))的內容由大家輪流報告、作業訂正和專題相關內容討論。本門課歡迎有強烈動機要學習深度神經網路的同學修讀,只有Python基礎的同學,修讀本門課每周所需花費的時間(包含寫作業)至少十小時,無法投入全力投入的同學請慎重考慮是否選修。強烈建議有意選修本門課之同學在寒假先行觀看預錄影片。
本門課的先修科目為Python(懂物件導向語言尤佳)、微積分(會用到Chain rule)、線性代數(用到矩陣運算)與機率(常用的機率分布,例如高斯分布)。 非陽明校區同學以視訊方式上課,陽明校區同學第一次為實體上課,之後全學期為線上授課,每周課程仍全程錄影並在課後放在E3。每周視訊連結為 meet.google.com/scw-fjnf-ums 請大家報告時要啟動Evercam錄影,陽明校區的 產品序號:B160-1CCF-BBF2-1B35 啟用碼:556716
無備註
生醫光電所博士候選人 林駿亦 (sifter7380@gmail.com)
教科書報告佔總分20分,十次作業,每次作業佔總分5分,期末專題占總分30分,
教師未提供此項資料
| 週次 | 主題 |
|---|---|
| 第 1 週 | 深度學習課程內容介紹 2023-02-13(一) 時數：[2023-02-13]吳育德(3.00) |
| 第 2 週 | 線上教材修讀 1 2023-02-20(一) 時數：[2023-02-20]吳育德(3.00) |
| 第 3 週 | 線上教材修讀 2 2023-02-27(一) 時數：[2023-02-27]吳育德(3.00) |
| 第 4 週 | Visualizing Gradient Descent 2023-03-06(一) 時數：[2023-03-06]吳育德(3.00) |
| 第 5 週 | A Simple Regression Problem 2023-03-13(一) 時數：[2023-03-13]吳育德(3.00) |
| 第 6 週 | Rethinking the Training Loop 2023-03-20(一) 時數：[2023-03-20]吳育德(3.00) |
| 第 7 週 | A Simple Classification Problem 2023-03-27(一) 時數：[2023-03-27]吳育德(3.00) |
| 第 8 週 | Classifying Images 2023-04-03(一) 時數：[2023-04-03]吳育德(3.00) |
| 第 9 週 | Convolutions 2023-04-10(一) 時數：[2023-04-10]吳育德(3.00) |
| 第 10 週 | 專題題目與內容提報 2023-04-17(一) 時數：[2023-04-17]吳育德(3.00) |
| 第 11 週 | Rock, Paper, Scissors 2023-04-24(一) 時數：[2023-04-24]吳育德(3.00) |
| 第 12 週 | Transfer Learning 2023-05-01(一) 時數：[2023-05-01]吳育德(3.00) |
| 第 13 週 | Vanishing and Exploding Gradients 2023-05-08(一) 時數：[2023-05-08]吳育德(3.00) |
| 第 14 週 | 期末專題討論與報告 2023-05-15(一) 時數：[2023-05-15]吳育德(3.00) |
| 第 15 週 | 期末專題討論與報告 2023-05-22(一) 時數：[2023-05-22]吳育德(3.00) |
| 第 16 週 | 期末專題討論與報告 2023-05-29(一) 時數：[2023-05-29]吳育德(3.00) |
| 第 17 週 | 2023-06-05(一) |
| 第 18 週 | 2023-06-12(一) |
1. Paolo Perrotta, Programming Machine Learning_ From Coding to Deep Learning (2020) (與Lectures 1-6 內容相關) 2.PyTorch Computer Vision Cookbook_ Over 70 recipes to solve computer vision and image processing problems using PyTorch 1.x-Packt Publishing (與Lectures 7-13 內容相關) 3.SEBASTIAN LIU YUXI (HAYDEN) MIRJALILI VAHID RASCHKA - MACHINE LEARNING WITH PYTORCH AND SCIKIT-LEARN _ develop machine learning and deep learning... models with scikit-learn and pytorch.-PACKT PUBLISH (與Lectures 14 內容相關) 2.Daniel Voigt Godoy, Deep Learning with PyTorch Step-by-Step A Beginner’s Guide-leanpub.com (2022) (本學期大家輪流報告與討論的教科書)
- 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
- 教師未提供此項資料