深度學習
教师: 游寶達

2017/10/16 ~ 2017/12/11
9小时/9周 (已经开始)

概要

1.细说深度学习的因由、细节、应用、未来,其中细推学习演算法的公式,有助于高中生都可以理解本课程(目前线上课程大都直接display出公式,不易被刚入门的学生所接受),并配合Python的程式演绎,引发学生对程式设计的兴趣。主要以PPT细说公式,再配合Python程式印证一遍,以加强学生的学习动力及内涵,同时老师将利用去背的功能,随时与教材互动,以产生teacher-led的教学效果。
2.化繁为简的课程内容,以图文并茂的方式重新设计多种的学习模式,让有兴趣的学生可以快速了解学习模式的概念及细节。
3.提供Python的实验程式码,让学生可以轻易操弄多种的学习模式,以辅助学生快速进入深度学习的课程内容中。
4.引导学生操作深度学习目前热门的套装软体,例如CAFFE及CNTK。
5.介绍全世界深度学习的热门议题,例如Alpha Go、Master、机器人服务等,让学生了解Deep Learning是一个Hot Topic。

课程目标

  1. 建立深度學習的基本知識,例如Supervised Learning, Unsupervised Learning, Perceptron Learning Algorithm, Performance Function, Steepest Descent, LMS Algorithm等。
  2. 學習Deep Learning的兩大模式:Convolution Neural Network及Recurrent Neural Network。
  3. 學習操作CAFFE及CNTK兩大開放套件。
  4. 學習如何利用CAFFE及CNTK設計深度學習的應用問題。
  5. 加強Python的程式設計能力。

授课教师

游寶達教授

游寶達教授

  • 建立中正大學圖書館『圖書館之旅』數位學習系統。
  • 推動中正大學成立網路碩士在職專班、通過教育部認證的數位教材及課程認證。
  • 推動中正大學MOOCs計畫之執行,主導的教育部MOOCs課程:
  1. 2014:易數邏輯、國際人權法律與實務。
  2. 2015:如何看到世界:眼睛、大腦與視覺、清心減壓保健康、愛情關鍵救援16小時:家事事件實務、延緩失能:退化性膝關節炎自我照顧、生活中的經濟思維與創新思考、系統程式。
  3. 2016:人可以貌相:臉孔處理與辨識、台灣阿嬤的芭比時代-流行台灣(1919~1945)、性知識與性侵害性騷擾預防知能。
  • 投入數位教材製作:
  1. ADDIE數位教材設計(通過教材認證)
  2. 線性代數(通過教材認證)
  3. 線性代數題庫
  4. 類神經網路
  5. 模糊系統
  6. 易數邏輯(2014,2015教育部MOOCs課程)
  7. 系統程式(2015~2016教育部科技MOOCs課程)

黃悅民教授

黃悅民教授

服務機關:國立成功大學-工程科學系(1991/8~現在)

  • 專長:嵌入式系統(動態偵測、家庭網路智慧)、無線網路、數位學習人工智慧
  • 經歷:
  1. 成功大學國際事務處國際長。
  2. 科技部科教發展及國際合作司應用學門召集人。
  3. 發表了超過140篇被引用的期刊研究論文。

黃國勝教授

黃國勝教授

服務機關:國立中山大學-電機工程學系(1991/8~現在)

  • 專長:智能機器人學、群組機器人合作、機器學習、嵌入式系統應用。
  • 授課科目:工程數學、線性代數、線性系統理論、機器學習、軟性計算數位控制、模糊系統與類神經網路、機電整合、機器人學、電腦圖學、與最佳化控制系統。

李慶鴻教授

李慶鴻教授

服務機關:國立中興大學-機械工程學系(2012/2~現在)

  • 專長:智慧型控制 、機械手臂控制、模糊類神經系統、工具機伺服控制、非線性控制、演化理論與計算。
  • 授課科目:類神經網路原理與應用(機械所碩士班)、模糊控制(機械所碩士班)、智慧型控制系統設計(機械所碩士班)。

课程进度表

第1周:Introduction-课程介绍

第2周:The Concept of Perceptron-认知概念

第3周:Optimal Learning-优化学习

第4周:LMS Learning Algorithm-最小均差学习演算法

第5周:The Backpropagation Algorithm-背传导演算法

第6周: Convolution Neural Network-卷积神经网路

第7周:CNN Develop Tools-卷积神经网路开发工具

第8周:Recurrent Neural Network-循环神经网路

第9周:RNN Develop Tools RNN-开发工具

评分标准

自動評分作業45%

總結性測驗30%

討論區:分享個人的學習心得25%

討論區:主題式討論20%(加分選項)

通过标准


课程及格标准:60分满分:100分

先修科目或先备能力

  1. 高中數學、簡易微積分、機率
  2. Python