| 課程與核心能力關聯配比(%) |
課程目標之教學方法與評量方法 |
| 課程目標 |
核心能力 |
配比(%) |
教學方法 |
評量方法 |
| 首要目標為培養研究生的基本類神經網路觀念、人工智慧理論和深度學習架構。尤其強調嚴謹的演算過程以及Python 程式之撰寫與實作。 |
| 2.計算科學專業知識 |
| 3.數據科學專業知識 |
| 4.數學與統計軟體能力 |
|
|
|
|
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習) |
| 週次 |
授課內容 |
| 第1週 |
1. Introduction & Python入門
2. 感知器 & Python實作
3. 神經網路& Python實作
4. 神經網路的學習& Python實作
5. 誤差反向傳播法& Python實作
6. 與學習有關的技巧& Python實作
7. 卷積神經網路 & Python實作
8. 深度學習 & Python實作
9. 人工智慧
11. KERAS簡介
11. 利用KERAS深度學習人工智慧實務應用
12. TENSORFLOW 簡介
13. 利用TENSORFLOW深度學習人工智慧實務應用 |
| 第2週 |
|
| 第3週 |
|
| 第4週 |
|
| 第5週 |
|
| 第6週 |
|
| 第7週 |
|
| 第8週 |
|
| 第9週 |
|
| 第10週 |
|
| 第11週 |
|
| 第12週 |
|
| 第13週 |
|
| 第14週 |
|
| 第15週 |
|
| 第16週 |
|
自主學習
內容 |
|
|
| 學習評量方式 |
1.平時成績（平時考，出席率，課堂互動，作業等） ：佔60%
2.期中考(報告)成績：佔20%
3.期末考（報告）成績 ：佔20% |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
「用Python進行深度學習的基礎理論實作:Deep Learning」，齊藤康毅著,吳嘉芳翻譯
「Neural Network Design」，Hagan; Demuth; Beale
「Neural Networks: A Classroom Approach 2/e」， , by Satish Kumar, McGraw-Hill Publishing, 2013. ISBN：9781259006166 東華
「Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow 2/e」，by Aurélien Géron, 2019 |
| 課程教材（教師個人網址請列在本校內之網址） |
| https://www.youtube.com/channel/UCSivAooQ-OTLATS1dTT3DZw |
| 課程輔導時間 |
| 再另行公告 |
| 聯合國全球永續發展目標(連結網址) |
|
|