語言處理應用實踐
Applications of Language Processing in Practice
| 節 | 週一 | 週四 |
|---|---|---|
3 10:10–11:00 | 語言處理應用實踐 EDB06（光復） 2 節連堂 | |
4 11:10–12:00 | 語言處理應用實踐 EDB06（光復） |
* 根據陽明交大上課時間表所列
本課程涵蓋如何經由程式設計實作語言處理資訊系統,透過資料分析和機器/深度學習的過程,解決不同面向的應用問題,課程目標是學習如何落實人工智慧技術,並藉由專題實作解決應用問題,藉由全程參與語言處理國際競賽,在規範時程內完成系統開發,加強團隊成員協同合作爭取佳績,並完成系統論文投稿。本課程適合精熟程式設計與自然語言處理技術的同學選修。
修過 (1) 自然語言處理、 (2) 機器學習 及 (3) 深度學習課程,需具備Python程式設計能力,本課程全程參與自然語言處理國際競賽,並完成系統論文投稿。 Prerequisite courses: 1) (IIAI30012) Natural Language Processing; 2) (IIAI30002) Machine Learning; and 3) (IIAI30004) Deep Learning
無備註
本課程前半以講授人工智慧核心技術應具備的知識為主,後半著重於選定的自然語言處理應用主題,針對該應用做全面的技術論文閱讀研討,了解最新的研究發展,並設計開發參與國際競賽的語言處理系統模型,在規範的時程內完成實作,上傳模型測試結果參與公開評測,藉由專題實作解決語言處理實務問題,落實人工智慧技術應用。修習完本課程的同學應具備以下的能力: (1) 了解自然語言處理應用與技術發展 (2) 可自行研讀人工智慧技術相關的論文 (3) 具備全程參與國際競賽的能力
論文報告 (30%) 語言處理系統實作 (50%) 系統論文撰寫 (20%)
機器學習技術 Machine Learning Techniques
1.監督式學習 2.非監督式學習 3.強化學習
- 講授：
- 6
深度學習技術 Deep Learning Techniques
1.堆疊神經網路 2.轉換器神經網路 3.圖神經網路
- 講授：
- 6
自然語言處理技術 NLP Techniques
1.統計語言模型 2.神經語言模型 3.預訓練語言模型 4.大型語言模型
- 講授：
- 6
論文報告 Paper Presentation
人工智慧技術論文報告
- 實作：
- 6
系統模型開發 System Implementation
1.專題分組實作 2.模型開發報告
- 實作：
- 6
系統效能調校 System Enhancement
1.專題分組實作 2.效能調校報告
- 實作：
- 6
系統分析設計 System Design
1.專題分組實作 2.系統設計報告
- 實作：
- 6
| 週次 | 主題 |
|---|---|
| 第 1 週 | 機器學習技術 I 2024-02-22(四) |
| 第 2 週 | 機器學習技術 II 2024-02-29(四) |
| 第 3 週 | 深度學習技術 I 2024-03-07(四) |
| 第 4 週 | 深度學習技術 I 2024-03-14(四) |
| 第 5 週 | 自然語言處理技術 I 2024-03-21(四) |
| 第 6 週 | 自然語言處理技術 II 2024-03-28(四) |
| 第 7 週 | 4/4兒童節停課 2024-04-04(四) |
| 第 8 週 | 論文報告 I 2024-04-11(四) |
| 第 9 週 | 論文報告 II 2024-04-18(四) |
| 第 10 週 | 系統設計 I 2024-04-25(四) |
| 第 11 週 | 系統開發 I 2024-05-02(四) |
| 第 12 週 | 系統調校 I 2024-05-09(四) |
| 第 13 週 | 系統設計 II 2024-05-16(四) |
| 第 14 週 | 系統開發 II 2024-05-23(四) |
| 第 15 週 | 系統調校 II 2024-05-30(四) |
| 第 16 週 | 系統論文撰寫投稿 2024-06-06(四) |
1.指定論文 & 2.技術文件 1) Assigned papers; and 2) Technical Documents
- 地點
- In-person or online
- 時間
- 事先約定時間
- 聯絡方式
- lhlee@nycu.edu.tw