國立中興大學教學大綱

課程名稱	(中) 深度學習(7614)
	(Eng.) Deep learning
開課單位	人工智慧資科學程
課程類別	選修			學分	3	授課教師	蔡鴻旭
選課單位	人工智慧資科學程 / 碩專班			授課使用語言	中文	英文/EMI		開課學期	1122
課程簡述	1.簡介深度學習發展(Introduction to deep learning) 2.概述深度學習與人工智慧、機器學習、類神經網路(Introduction to artificial intelligence, deep learning, machine learning and neural network) 3.簡介機器學習、類神經網路之學習理論及學習演算法(Introduction to learning theory and algorithm to machine learning and neural network) 4.實務練習運用機器學習、類神經網路之學習建模模型(Practice for using machine learning and artificial neural network in building learning models) 5.簡介深度學習-卷積類神經網路及實務練習卷積類神經網路之建模及應用(Deep learning : Introduction to convolutional neural network and its applications) 6.簡介深度學習-遞歸神經網路和長短期記憶模型及實務練習長短期記憶模型之建模及應用(Deep learning : Introduction to Recurrence neural network and long-short-term memory model and their applications)
先修課程名稱								課程含自主學習	Y

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
1.學會深度學習與機器學習、類神經網路之基礎學習理論 (learn basic learning theories for machine learning and artificial neural network) 2.學會以機器學習及類神經網路來建模應用於分類模型設計與實作(learn how to adopt machine learning and artificial neural network to build learning models for the design of classifiers) 3.學會以深度學習-卷積類神經網路來建模應用於分類模型設計與實作(learn how to adopt the convolutional neural network of deep learning to build learning models for the practical applications ) 4.學會以實務練習-長短期記憶模型來建模應用於預測模型設計與實作(learn how to adopt the long-short-term memory of deep learning to build learning models for the practical applications)			講授 習作 討論	書面報告 出席狀況 口頭報告 作業 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)
週次 授課內容 第1週 第1週: 說明課程大綱、簡述深度學習、說明實作環境。 (Week #1: Introduction of syllabus, deep learning, building environment of running deep learning programs) 第2週 第2週: 人工智慧概述 (Week #2: Introduction of Artificial Intelligence) 第3週 第3-4週: 機器學習概述及應用實作 (Week #3-#4: Introduction of machine learning and its applications) 第4週 第3-4週: 機器學習概述及應用實作 (Week #3-#4: Introduction of machine learning and its applications) 第5週 第4-6週:類神經網路概述及應用實作 (Week #4-#6: Introduction of artificial neural network and its applications) 第6週 第4-6週:類神經網路概述及應用實作 (Week #4-#6: Introduction of artificial neural network and its applications) 第7週 第7-10週: 深度學習-卷積類神經網路來建模應用於分類模型設計與實作 (Week #7-#10:Introduction of convolution neural network and its applications) 第8週 第7-10週: 深度學習-卷積類神經網路來建模應用於分類模型設計與實作 (Week #7-#10:Introduction of convolution neural network and its applications) 第9週 第7-10週: 深度學習-卷積類神經網路來建模應用於分類模型設計與實作 (Week #7-#10:Introduction of convolution neural network and its applications) 第10週 第7-10週: 深度學習-卷積類神經網路來建模應用於分類模型設計與實作 (Week #7-#10:Introduction of convolution neural network and its applications) 第11週 第11-13週 期中報告 (Week #11-#13: midterm report) 第12週 第11-13週 期中報告 (Week #11-#13: midterm report) 第13週 第11-13週 期中報告 (Week #11-#13: midterm report) 第14週 第14週: 深度學習-長短期記憶模型來建模應用於預測模型設計與實作 (Week #14:Introduction of long-short-term memory and its applications) 第15週 第15週: 深度學習應用專題-影像分類、影像檢索、影像分割 (Week #15: Special topics for deep learning in applications such as image classification, image retrieval, and image segmentation) 第16週 第16-18週 期末報告(Week #16-#18: final-term report) 第17週 第16-18週 期末報告(Week #16-#18: final-term report)(Self-learning) 第18週 第16-18週 期末報告(Week #16-#18: final-term report)(Self-learning)
學習評量方式
1-期中報告(midterm report)(20%)、2-期末報告(final-term report)(40%)、3-participation(20%)、4-projects(20%)、5-extra credits (20%)
教科書＆參考書目(書名、作者、書局、代理商、說明)
Textbook: 自編 References: 1. Python機器學習第三版（上）博碩 作者：Sebastian Raschka、Vahid Mirjalili著 2. Python機器學習第三版（下）博碩 作者：Sebastian Raschka、Vahid Mirjalili　著
課程教材（教師個人網址請列在本校內之網址）
自編
課程輔導時間
(一)17:30-18:30
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：2024/02/23 09:48:59	列印日期 西元年/月/日：2024 / 5 / 06
MyTB教科書訂購平台：http://www.mytb.com.tw/