本課程目標在培養同學具備深度學習和數據分析實作能力,以滿足產業AI人才技能的需求。
【現職】國立暨南國際大學資訊工程系(原任職長榮大學資訊暨設計學院)
【學歷】國立臺灣大學資訊工程學系博士
【經歷】
【專業】圖形演算法、電腦對局、人工智慧、深度學習、數據分析、生物資訊
第1周:人工智能的进展/什么是机器学习?
第2周:类神经网络/MLP案例实作
第3周:卷积式神经网络
第4周:CNN影像辨识案例实作
第5周:数据处理工具介绍
第6周:MLP数据分析案例实作
第7周:监督式学习
第8周:机器学习工具
第9周:监督式学习实作(I)/监督式学习实作(II)
第10周:非监督式学习
一、人工智能的进展1.1 人工智能重大进展1.2 电脑围棋Alpha Go简介1.3 人工智能运用应用领域简介
二、什么是机器学习?2.1 机器学习的类型2.2 机器学习系统的建构准则2.3 Python程序开发环境安装与设置
三、类神经网络3.1 神经元结构3.2(I) 多层感知网络(MLP)概念3.2(II) 多层感知网络(MLP)概念3.3 MLP模型架构
四、MLP案例实作4.1 MNIST手写字数据集介绍4.2 MLP模型建置流程4.3 MLP模型训练与评估
五、卷积式神经网络5.1 影像卷积处理概念5.2 卷积式神经网络(CNN)概念5.3 CNN模型架构5.4 CNN经典模型介绍
六、CNN影像辨识案例实作6.1 Cifar-10数据集介绍6.2 CNN模型建置流程6.3 CNN模型训练与评估6.4 常用的OpenCV影像处理功能介绍
七、数据处理工具介绍八、MLP数据分析案例实作九、监督式学习十、机器学习工具十一、监督式学习实作(I)十二、监督式学习实作(II)十三、非监督式学习
本課程分為13個主要單元,每個單元依據學習份量,有數段10-15分鐘左右的視頻影片。每個單元內容提供隨堂測驗及議題討論,以幫助學習者快速確認是否瞭解上課內容;每週另有主題作業用以考核學習成果。
課程及格標準: 60 分 滿分: 100分
學員必須具備Python程式語言的能力。