深度學習
教師: 游寶達
2017/10/16

摘要

1.細說深度學習的因由、細節、應用、未來,其中細推學習演算法的公式,有助於高中生都可以理解本課程(目前線上課程大都直接display出公式,不易被剛入門的學生所接受),並配合Python的程式演繹,引發學生對程式設計的興趣。主要以PPT細說公式,再配合Python程式印證一遍,以加強學生的學習動力及內涵,同時老師將利用去背的功能,隨時與教材互動,以產生teacher-led的教學效果。

2.化繁為簡的課程內容,以圖文並茂的方式重新設計多種的學習模式,讓有興趣的學生可以快速了解學習模式的概念及細節。

3.提供Python的實驗程式碼,讓學生可以輕易操弄多種的學習模式,以輔助學生快速進入深度學習的課程內容中。

4.引導學生操作深度學習目前熱門的套裝軟體,例如CAFFE及CNTK。

5.介紹全世界深度學習的熱門議題,例如Alpha Go、Master、機器人服務等,讓學生了解Deep Learning是一個Hot Topic。

height="0" width="0" style="display:none;visibility:hidden">

課程目標

  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。

授課教師

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)。

課程進度表

第1週:Introduction-課程介紹

第2週:The Concept of Perceptron-認知概念

第3週:Optimal Learning-優化學習

第4週:LMS Learning Algorithm-最小均差學習演算法

第5週:The Backpropagation Algorithm-背傳導演算法

第6週: Convolution Neural Network-卷積神經網路

第7週:CNN Develop Tools-卷積神經網路開發工具

第8週:Recurrent Neural Network-循環神經網路

第9週:RNN Develop Tools RNN-開發工具

評分標準

自動評分作業50%

總結性測驗50%

討論區:主題式討論10%(加分選項)

通過標準


課程及格標準:60滿分:100分

先修科目或先備能力

  1. 高中數學、簡易微積分、機率
  2. Python

建議參考書目

1.

書名:Neural Network Design 2nd Edition

書本作者:Martin T. Hagan, Howard B. Demuth, Mark Hudson Beale, Orlando De Jesús.

2.

書名:Deep Learning

書本作者:Goodfellow, Ian, Bengio, Yoshua, Courville, Aaron.