1. 了解neuron的計算模型
2. 了解複雜neural system及computation的呈現及計算方式
3. 學習learning algorithm的設計、應用、分析等技術
4. 學會著名的backpropagation演算法
5. 學會Keras及TensorFlow的AI implementation方法及技
6. 學會影像處理的deep computation應用問題
游寶達 老師
教師簡介
游寶達教授現任國立中正大學資工系教授，專長於智慧系統設計；加上曾任中正大學圖書館館長，數位學習中心主任、清江學習中心主任，長期研究與經營數位學習，並推動數位教材與課程認證。專長為智慧型系統設計、智慧型網路、ICAL、非線性系統、e-Learning、電腦輔助教學
單元 1:類神經架構簡介 Introduction of Neural Architecture
單元 2:設計感知學習演算法 Design a Perceptron Learning Algorithm
單元 3:最速下降學習算法 The Steepest Descent Learning Algorithm
單元 4:最小均方學習算法 LMS Learning Algorithm
單元 5:多層網路學習演算法 Learning Algorithm of Multiple Layers
單元 6:卷積神經網路 The Convolutional Neural Network
單元 7:循環神經網路 The Recurrence Neural Network
單元 8:延伸學習：學習演算法實例分析 Learning Practices
本課程共計7個單元主題，每個單元主題的學習活動包括瀏覽教學影片，以及隨堂測驗與作業，並歡迎參與討論區討論。
課程另延伸提供1個單元主題：學習演算法實例分析 (Learning Practices)，歡迎學習者自由選讀，內容不納入評量之中。
測驗：共7次，佔總成績35% **每單元各佔5%
作業：共7次，佔總成績65% **1-5單元各佔9%、6-7單元各佔10%
1. 具有微積分、線性代數之基礎
2.能撰寫python的能力
3.具有操作Google開放系統之經驗
教科書:
M.T. Hagan, H.B. Demuth and M. Beale, Neural Network Design, 新月代理。
參考資料:
S. Haykin, Neural Networks (A comprehesive foundation)，second edition,開發代理。
ewant平台提供電子證書，申請證書請參考ewant證書申請流程說明