| 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 |
| 讓學生熟悉PyTorch與TensorFlow基礎知識、迴歸、前饋神經網路、卷積神經網路、遞歸神經網路、自編碼模型、生成對抗網路、Seq2seq 自然語言處理、遷移學習等深度學習的基礎知識與實作 |
| 1.專業知能與實務應用 |
| 2.自主解決問題 |
| 3.創新思維 |
|
|
|
|
| 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 |
課程簡介 (實體授課) |
| 第2週 |
PyTorch基礎知識 (採非同步遠距教學) |
| 第3週 |
實作問題討論 (實體授課) |
| 第4週 |
迴歸(Torch) (採非同步遠距教學) |
| 第5週 |
實作問題討論 (實體授課) |
| 第6週 |
前饋神經網路(Torch) (採非同步遠距教學) |
| 第7週 |
實作問題討論 (實體授課) |
| 第8週 |
卷積神經網路(Torch) (採非同步遠距教學) |
| 第9週 |
實作問題討論 (實體授課) |
| 第10週 |
遞歸神經網路(Torch) (採非同步遠距教學) |
| 第11週 |
實作問題討論 (實體授課) |
| 第12週 |
自編碼模型(Torch) (採非同步遠距教學） |
| 第13週 |
實作問題討論 (實體授課) |
| 第14週 |
生成對抗網路(Torch) (採非同步遠距教學) |
| 第15週 |
實作問題討論 (實體授課) |
| 第16週 |
遷移學習(Torch) (採非同步遠距教學)
|
自主學習
內容 |
02.閱覽產業及學術相關多媒體資料
|
|
| 學習評量方式 |
| 作業 100% |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
| 自訂教材 |
| 課程教材（教師個人網址請列在本校內之網址） |
| ilearning |
| 課程輔導時間 |
| 週五 14:00 ~ 16:00 |