本課程列為114/01學期國立中正大學數位自學微學分學習活動之課程，認列學習時數6小時，平臺同步開設中正大學認列之自學課程，歡迎同步選修，課程名稱及認列學習時數分列如下：
(1) 量子基礎線性代數（2025秋季班）：6小時
(2) 量子基礎應用數學（2025秋季班）：6小時
(3) 深度類神經計算及應用（2025秋季班）：6小時
(4) 深度模糊計算及應用（2025秋季班）：6小時
(5) 圖示量子程式設計入門：6小時
(6) 量子深度學習應用入門：6小時
(7) 大數據導論及實作：9小時
(8) Introduction and Application of Information Security：6小時
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