| 課程代碼 |
30D1DQ01
|
| 課程中文名稱 |
深度學習框架應用
|
| 課程英文名稱 |
Deep Learning
|
| 學分數 |
3.0
|
| 必選修 |
選修
|
| 開課班級 |
四技網通四甲,四技晶片四甲,四技系統四甲,四技系統四乙
|
| 任課教師 |
陳銘哲
|
| 上課教室(時間) |
|
週二
|
第2節
|
(J201)
|
|
週二
|
第3節
|
(J201)
|
|
週二
|
第4節
|
(J201)
|
|
| 課程時數 |
3
|
| 實習時數 |
3
|
| 授課語言 |
1.華語
|
| 輔導考證 |
無
|
| 課程概述 |
為了協助學生實際上手設計人工智慧應用程式，
本課程採用Google TensorFlow 開發平台，從Python 程式設計開始介紹，加上
Numpy/Scipy 向量及矩陣等科學運算處理說明、Tensor 觀念及使用方法介紹、GPU
加速整合、神經網路運算、CNN、RNN、LSTM 等深度學習演算及AlexNet、GoogLeNet
等圖像分類個案研究，一直到人工智慧應用程式開發，使學生能夠快速上手使用
TensorFlow 設計具有人工智慧功能的軟體系統。
|
| 先修科目或預備能力 |
|
|
課程學習目標與核心能力之對應
|
| 編號 | 中文課程學習目標 | 英文課程學習目標 | 對應系指標 |
|
1
|
培養機器學習與深度學習基本觀念和架構，以及訓練環境之建成
|
|
1 專業技能
|
|
2
|
應用機器學習之決策樹來學習如何以純資料的方式訓練分類器，培養資料分析能力。
|
|
2 工程實務
|
|
3
|
TensorFlow來學習如何訓練影像/圖片分類器
|
|
3 資訊能力
|
|
4
|
使用高階API：Keras 來製作小組專題。
|
|
8 專案管理
|
|
| 就業力培養目標 |
| |
校指標 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
| |
專業知識 |
實務技能 |
資訊能力 |
整合創新 |
外語能力 |
熱誠抗壓 |
表達溝通 |
敬業合群 |
人文素養 |
服務關懷 |
| |
30% |
30% |
30% |
0% |
0% |
0% |
10% |
0% |
0% |
0% |
| |
系指標 |
1 |
2 |
3 |
4 |
7 |
|
6 |
8 |
|
9 |
5 |
| |
專業技能 |
工程實務 |
資訊能力 |
整合創新 |
系統整合 |
|
熱誠抗壓 |
專案管理 |
|
社會責任 |
終身學習 |
| |
30% |
30% |
30% |
0% |
0% |
|
0% |
10% |
|
0% |
0% |
|
| 中文課程大綱 |
1. 動態語言程式設計
2. 機器&深度學習基本觀念與環境建成
3. 機器學習實作與資料分析
4. 深度學習專題實作
|
| 英/日文課程大綱 |
1. Dynamic programming language
2. Basic Concept of Machine & deep learning
3. Machine learning practice and data analysis
4. Project for deep learning
|
| 課程進度表 |
第1-2週 智慧聯網應用技術概述
-課程介紹/專題分組
-簡報講解AIoT框架，深度學習運作原理
第3-4週 深度學習框架建構(AI伺服器與嵌入式發展平台)
-AI伺服器與嵌入式平台架設解說
-完成第一支圖像分類predictor
第5-6週 圖像分類(classification)實作
-第6週實作測驗(指定素材，自行蒐集與實作)
第7-8週 物件辨識(object detection)實作
-第7週Labeling
-第8週Training/Recognizing
期中考第9週 物件辨識應用設計與實作(指定素材，自行蒐集)
-預先找素材與labeling
第10週 深度學習模組選用操作實務
第11-12週 深度學習predictor介接RESTful API實務
第13-14週 網頁技術與Android APP串接深度學習RESTful API服務實務
-第13週開始期末專題，分組構想與開發創意AIoT系統
第15週 Case Study 1-智慧藥物辨識系統開發實務介紹
第16週 Case Study 2-智慧頭皮症狀辨識系統開發實務介紹
第17週 Case study 3-智慧人體特徵辨識應用成果介紹
期末考第18週 期末專題各小組報告時間，將採互評制度評分
|
| 課程融入SDGs |
|
| 期考調查 |
| 期中考(第9週)考試方式 |
口試(專題實作報告與成果展示)
|
| 期末考(第18週)考試方式 |
口試(專題實作報告與成果展示)
|
| 其他週考試考試週次與方式 |
第6與第8週實作演練
|
|
| 教學方式與評量方式 |
| 課程學習目標 | 教學方式 | 評量方式 |
| 培養機器學習與深度學習基本觀念和架構，以及訓練環境之建成 |
實作演練
|
實作
（
平時
）
|
| 應用機器學習之決策樹來學習如何以純資料的方式訓練分類器，培養資料分析能力。 |
實作演練
|
實作
（
平時
）
|
| TensorFlow來學習如何訓練影像/圖片分類器 |
實作演練
分組討論
|
實作
（
期中
）
|
| 使用高階API：Keras 來製作小組專題。 |
實作演練
分組討論
啟發思考
|
實作
（
期末
）
|
|
| 指定用書 |
| 書名 |
|
| 作者 |
|
| 書局 |
|
| 年份 |
|
| 國際標準書號(ISBN) |
|
| 版本 |
|
請同學尊重智慧財產權，使用正版教科書，不得非法影印，以免觸犯智慧財產權相關法令
。 |
| 參考書籍 |
|
| 教學軟體 |
Google Tensorflow Framework 執行環境建構所需之工具軟體
LabelImg 物件定義與標記軟體
|
| 課程規範 |
本課程目標引導愛好人工智慧同學輕鬆快速掌握深度學習框架操作與應用技術開發技巧，授課方式將以深入淺出介紹，包含智慧聯網應用技術概述、深度學習框架建構、圖像分類(classification)實作、物件辨識(object detection)實作、卷積神經網路(Convolution Neural Networks, CNN)應用於影像識別之原理與既有模組之運用方式、應用實例探討等，全程以Google TensorFlow引導同學逐步熟悉深度學習實務開發步驟與方式。
-此課程雖是選修，而評分標準重於實作開發養成，對於程式設計無興趣同學(延修生)請審慎評估
-請同學尊重智慧財產權，使用正版教科書，不得非法影印，以免觸犯智慧財產權相關法令
-教室內禁止飲食。
|