深度學習
Deep Learning with PyTorch
| 節 | 週二 |
|---|---|
2 09:00–09:50 | 深度學習 MB415（光復） 3 節連堂 |
3 10:10–11:00 | |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
This course focuses on using deep learning to develop predictive models with PyTorch.
Knowledge about python programming and machine learning is required.
無備註
教師未提供此項資料
Homework Paper Reading Projects
Convolutional Neural Networks
1. Convolutional neural networks 2. ResNet/LeNet5/VGG/Google Inception 3. Explainable AI
Recurrent Neural Networks
1. Recurrent Neural Network 2. LSTM/GRU 3. Seq2seq & Attention
SOTA
1. Transformer 2. Vision Transformer 3. Self-supervised Learning
Introduction to Deep Learning
1. Introduction to deep learning 2. PyTorch Training Loop 3. Optimizer
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction to deep learning and the course 2026-02-24(二) |
| 第 2 週 | Logistic regression and linear regression 2026-03-03(二) |
| 第 3 週 | Neural networks 2026-03-10(二) |
| 第 4 週 | Activation functions and optimizer 2026-03-17(二) |
| 第 5 週 | Convolutional neural networks 2026-03-24(二) |
| 第 6 週 | Convolutional neural networks 2026-03-31(二) |
| 第 7 週 | Transfer Learning 2026-04-07(二) |
| 第 8 週 | Explainable AI 2026-04-14(二) |
| 第 9 週 | Recurrent Neural Network 2026-04-21(二) |
| 第 10 週 | LSTM/GRU 2026-04-28(二) |
| 第 11 週 | Sequence to Sequence Model and Attention 2026-05-05(二) |
| 第 12 週 | Transformer 2026-05-12(二) |
| 第 13 週 | Visual Transformer 2026-05-19(二) |
| 第 14 週 | Multi-task Learning 2026-05-26(二) |
| 第 15 週 | Self-supervised Learning 2026-06-02(二) |
| 第 16 週 | Project Presentation Git & GitHub Tutorial 2026-06-09(二) |
教師未提供此項資料
- 地點
- MB 505R
- 時間
- W56
- 聯絡方式
- clliu@nycu.edu.tw