深度學習
Introduction to Deep Learning
| 節 | 週一 |
|---|---|
5 13:20–14:10 | 深度學習 CM218（歸仁） 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
本課程為介紹當代深度學習理論方法與應用，主要針對常見之深度學習演算法進行理論分析與應用介紹。
程式設計
無備註
課程講授
8次作業，各12.5%
Fundamental Deep learning
介紹深度學習基礎知識
- 講授：
- 6
Self-attention
介紹自注意力機制
- 講授：
- 3
Self-attention
介紹自注意力機制
- 講授：
- 3
Transformer
介紹Transformer模型
- 講授：
- 6
Generative model
介紹生成模型
- 講授：
- 3
Self-supervised
介紹自監督式學習
- 講授：
- 6
Explainable AI
介紹可解釋式AI
- 講授：
- 3
Adversarial Attack
介紹深度學習中攻擊模型
- 講授：
- 3
Domain Adaptation
介紹領域適應性演算法
- 講授：
- 3
Reinforcement Learning
介紹增強式學習演算法
- 講授：
- 3
Life-long learning
介紹持續式學習演算法
- 講授：
- 3
Model compression
介紹模型壓縮演算法
- 講授：
- 3
Meta Learning
介紹後設學習演算法
- 講授：
- 3
Machine learning Theory
介紹機器學習基礎知識
- 講授：
- 3
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction to machine learning 2026-09-07(一) 時數：[2026-09-07]吳信龍(3.00) |
| 第 2 週 | Fundamental Deep learning 2026-09-14(一) 時數：[2026-09-14]吳信龍(3.00) |
| 第 3 週 | Fundamental Deep learning 2026-09-21(一) 時數：[2026-09-21]吳信龍(3.00) |
| 第 4 週 | Self-attention 2026-09-28(一) 時數：[2026-09-28]吳信龍(3.00) |
| 第 5 週 | Transformer 2026-10-05(一) 時數：[2026-10-05]吳信龍(3.00) |
| 第 6 週 | Transformer 2026-10-12(一) 時數：[2026-10-12]吳信龍(3.00) |
| 第 7 週 | Generative Model 2026-10-19(一) 時數：[2026-10-19]吳信龍(3.00) |
| 第 8 週 | Self-supervised 2026-10-26(一) 時數：[2026-10-26]吳信龍(3.00) |
| 第 9 週 | Self-supervised 2026-11-02(一) 時數：[2026-11-02]吳信龍(3.00) |
| 第 10 週 | Explainable AI 2026-11-09(一) 時數：[2026-11-09]吳信龍(3.00) |
| 第 11 週 | Adversarial Attack 2026-11-16(一) 時數：[2026-11-16]吳信龍(3.00) |
| 第 12 週 | Domain Adaptation 2026-11-23(一) 時數：[2026-11-23]吳信龍(3.00) |
| 第 13 週 | Life-long Learning 2026-11-30(一) 時數：[2026-11-30]吳信龍(3.00) |
| 第 14 週 | Reinforcement Learning 2026-12-07(一) 時數：[2026-12-07]吳信龍(3.00) |
| 第 15 週 | Model Compression 2026-12-14(一) 時數：[2026-12-14]吳信龍(3.00) |
| 第 16 週 | Meta Learning 2026-12-21(一) 時數：[2026-12-21]吳信龍(3.00) |
自編講義
- 地點
- 奇美樓R305
- 時間
- 每週二上午8:00~9:00
- 聯絡方式
- hsinlung@nycu.edu.tw