| 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.瞭解深度學習的基本觀念，理論基礎及實作方法
2.學習深度學習模型於電腦視覺的相關應用，包含物件偵測與影像辨識等。
|
| 2.分析、設計與整合電機資訊相關系統之能力。 |
| 4.資料蒐集、獨立思考、解決問題及研究創新之能力。 |
|
|
|
|
| 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 |
Introduction to Machine Learning |
| 第2週 |
Multilayer Perceptron |
| 第3週 |
Pattern Classification by Prototype Matching |
| 第4週 |
Optimum (Bayes Statistical Classifier |
| 第5週 |
Neural networks and Deep Learning |
| 第6週 |
Deep Convolutional Neural Networks |
| 第7週 |
Details of Implementation |
| 第8週 |
Deep learning on the Raspberry Pi. |
| 第9週 |
|
| 第10週 |
|
| 第11週 |
|
| 第12週 |
|
| 第13週 |
|
| 第14週 |
|
| 第15週 |
|
| 第16週 |
|
| 第17週 |
|
| 第18週 |
|
|
| 學習評量方式 |
| 作業, 期末筆試, 期末實作報告 |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
[1] “Neural Networks and Learning Machines” by Simon O. Haykin, 3rd Edition, 2009
[2] ”Digital Image Processing”, by R. C. Gonzalez and R. E. Woods, 4th Edition, Pearson (開發), 2017.
|
| 課程教材（教師個人網址請列在本校內之網址） |
| https://drphototw.wixsite.com/wujl |
| 課程輔導時間 |
| 周二早上0800-1100 |
| 聯合國全球永續發展目標 |
|
|