國立中興大學教學大綱
課程名稱 (中) 視覺辨識理論、實作與應用(6580)
(Eng.) Visual Recognition: From Theory and Implementation to Applications
開課單位 應數系
課程類別 選修 學分 3 授課教師 凃瀞珽
選課單位 應數系 / 碩士班 授課使用語言 中文 英文/EMI N 開課學期 1092
課程簡述 機器學習的目的是讓電腦利用可獲得的經驗數據來調整系統效能,近年來已廣泛應用於資料探勘、計算機視覺、自然語言處理、生物特徵識別、搜尋引擎、醫學診斷和機器人等領域。特別是,它已成為資料科學的基礎學科之一,為任何資料科學家必備的工具。由於大數據資料的取得和儲存容易與硬體計算能力增強,使得機器學習 (Machine Learning)中的一個重要分支---深度學習(Deep Learning)備受重視。特別是,目前最好的語音辨識和影像辨識系統都是以深度學習技術來完成。這門課的目的即是讓俱備基本有基礎程式能力的學生,能透過機器學習概念處理複雜的大數據程式問題,例如:將人臉辨識是如何設計和實作出來的呢?事實上,這些程式中的演算法並非由程式設計師直接設計程式演算法(建立條件判斷式),而是由程式設計師寫出讓機器能夠根據大量的資料和過去的經驗數據找出可以處理這些問題的方法。而現有讓機器有這種能力的演算法就是機器學習演算法。本課程會從基本的機器學習概念開始講起,介紹機器學習使用者都應該知道的基本機器學習理論、方法和工具,並講授深度學習演算法。為了增加同學程式實作能力,我們以視覺辨識為範例,讓同學實際使用機器學習工具讓同學理解到底電腦透過這些資料學到什麼東西。希望透過這門課學生對機器學習的技術可以有系統性的認識,並具備實作這些技術的基本能力,以期在未來能將這些技術活用到各自的專業領域中
先修課程名稱
課程含自主學習 N
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
教授深度學習相關理論技術並應用於視覺辨識實作。
3.計算科學專業知識
100
專題探討/製作
討論
書面報告
口頭報告
作業
測驗
實作
授課內容(單元名稱與內容、習作/每週授課、考試進度-共18週)
Introduction to Neural Networks and Convolutional Neural Networks
 NN architecture
 Forward/Back propagation
 Activation functions, initialization, dropout, batch normalization
 Training neural networks: update rules, ensembles, data augmentation, transfer learning

CNN architectures & Recurrent Neural Networks
 AlexNet, VGG, GoogLeNet, ResNet, etc
 RNN, LSTM, image captioning, visual question answering

Unsupervised Learning- Generative Models
 Dimension Reduction- Clustering, K-means, principal components analysis (PCA).
 Variational Autoencoders (VAE)
 Generative Adversarial Networks (GAN)

**相關規定依ilearning公佈為主,會隨上課狀況調整**
學習評量方式
作業
科技論文實作與報告
**本課程 強調實作,建議有python程式背景學生再修習**
教科書&參考書目(書名、作者、書局、代理商、說明)
上課講義
**相關規定依ilearning公佈為主,會隨上課狀況調整***
課程教材(教師個人網址請列在本校內之網址)
上課講義
**相關規定依ilearning公佈為主,會隨上課狀況調整***
課程輔導時間
上課期間
聯合國全球永續發展目標
 提供體驗課程:N
請尊重智慧財產權及性別平等意識,不得非法影印他人著作。
更新日期 西元年/月/日:無 列印日期 西元年/月/日:2024 / 9 / 20
MyTB教科書訂購平台:http://www.mytb.com.tw/