本课程列为114/01学期国立中正大学数字自学微学分学习活动之课程，认列学习时数6小时，平台同步开设中正大学认列之自学课程，欢迎同步选修，课程名称及认列学习时数分列如下：
(1) 量子基础线性代数（2025秋季班）：6小时
(2) 量子基础应用数学（2025秋季班）：6小时
(3) 深度类神经计算及应用（2025秋季班）：6小时
(4) 深度模糊计算及应用（2025秋季班）：6小时
(5) 图标量子编程入门：6小时
(6) 量子深度学习应用入门：6小时
(7) 大数据导论及实作：9小时
(8) Introduction and Application of Information Security：6小时
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
单元 1:类神经架构简介 Introduction of Neural Architecture
单元 2:设计感知学习算法 Design a Perceptron Learning Algorithm
单元 3:最速下降学习算法 The Steepest Descent Learning Algorithm
单元 4:最小均方学习算法 LMS Learning Algorithm
单元 5:多层网络学习算法 Learning Algorithm of Multiple Layers
单元 6:卷积神经网络 The Convolutional Neural Network
单元 7:循环神经网络 The Recurrence Neural Network
单元 8:延伸学习：学习算法实例分析 Learning Practices
本课程共计7个单元主题，每个单元主题的学习活动包括浏览教学视频，以及随堂测验与作业，并欢迎参与讨论区讨论。
课程另延伸提供1个单元主题：学习算法实例分析 (Learning Practices)，欢迎学习者自由选读，内容不纳入评量之中。
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