深度學習基礎概論
Introduction to Deep Learning
| 節 | 週四 |
|---|---|
5 13:20–14:10 | 深度學習基礎概論 EO115（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
本課程以 NVIDIA Deep Learning Institute（DLI）之專業課程為核心，系統性介紹現代深度學習與生成式AI之理論與實務應用。課程涵蓋深度學習基礎、自然語言處理（NLP）、生成式AI（Generative AI）、大型語言模型（LLM）以及Agentic AI等關鍵技術，並強調實作導向之學習模式。 學生將透過五大主題模組逐步建立完整能力，包括： 1.深度學習基本概念與神經網路訓練方法 2.自然語言處理與語意理解技術 3.生成式AI模型（如Diffusion Model等） 4.AI Agent與應用系統整合（Agentic AI / RAG） 5.大型語言模型之預訓練與微調 本課程強調「從理論到實作」，學生將透過實驗環境與實作專案，培養以下能力： 理解深度學習與生成式AI核心原理 能夠使用現代AI框架進行模型開發與應用 建立AI系統設計能力（包含LLM與Agent整合） 掌握產業最新趨勢（如AI Agent、Physical AI） 本課程將有助於學生銜接學術研究與產業應用，並具備進入AI相關領域之基礎能力。
建議熟悉線性代數、機率、python
無備註
教學方法及教學相關配合事項(如網站、助教、圖書講義及資料庫等) 口頭授課搭配影片介紹，另外也將安排學生閱讀相關文獻並整理報告，並可能邀請業界講師參與經驗分享。
1學期作業 認證考試, 演講心得摘要, 論文報告 2.考試狀況 Midterm and Final Exam 3.評量方法 期中比賽30%、平時成績30%、口頭報告10%、期末考30%
Fundamentals of Deep Learning
-PyTorch -Convolutional Neural Networks (CNNS) -Data Augmentation -Transfer Learning -Natural Language Processing
- 講授：
- 3
Natural Language Processing
- Transformer - BERT, GPT - Inference Optimization
- 講授：
- 2
Agentic AI & Applications
- Agent Abstraction and LLMs -Structured Output -Retrieval Mechanisms & Environmental Tooling -Multi-Agent Systems & Frameworks
- 講授：
- 3
Adding New Knowledge to LLMs
- Data Curation and Synthetic Data - Continued Pretraining and Supervised Fine-Tuning - Direct Preference Optimization
- 講授：
- 3
Generative AI Foundations
-U-Nets -Diffusion -CLIP -Text-to-image Models
- 講授：
- 3
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction 2026-09-10(四) |
| 第 2 週 | Fundamentals of Deep Learning 2026-09-17(四) |
| 第 3 週 | Fundamentals of Deep Learning f 2026-09-24(四) |
| 第 4 週 | Fundamentals of Deep Learning for Natural Language Processing 2026-10-01(四) |
| 第 5 週 | Building Transformer-Based Natural Language Processing Applications 2026-10-08(四) |
| 第 6 週 | Building Transformer-Based Natural Language Processing Applications 2026-10-15(四) |
| 第 7 週 | Generative AI with Diffusion Models 2026-10-22(四) |
| 第 8 週 | Generative AI with Diffusion Models 2026-10-29(四) |
| 第 9 週 | Midterm Challenge 2026-11-05(四) |
| 第 10 週 | Building Agentic AI Applications with LLMs 2026-11-12(四) |
| 第 11 週 | Building Agentic AI Applications with LLMs 2026-11-19(四) |
| 第 12 週 | Building Agentic AI Applications with LLMs 2026-11-26(四) |
| 第 13 週 | Adding New Knowledge to LLMs 2026-12-03(四) |
| 第 14 週 | Adding New Knowledge to LLMs 2026-12-10(四) |
| 第 15 週 | Adding New Knowledge to LLMs 2026-12-17(四) |
| 第 16 週 | Final Exam 2026-12-24(四) |
以課程講義為主
- 地點
- 課程教室
- 時間
- 每周課後時間
- 聯絡方式
- Email: CKL@nvidia.com