| 課程代碼 |
Z6D01T01
|
| 課程中文名稱 |
深度學習概論
|
| 課程英文名稱 |
Introduction to Deep Learning
|
| 學分數 |
3.0
|
| 必選修 |
選修
|
| 開課班級 |
工學X學程三
|
| 任課教師 |
張財榮
|
| 上課教室(時間) |
|
週五
|
第2節
|
(C306)
|
|
週五
|
第3節
|
(C306)
|
|
週五
|
第4節
|
(C306)
|
|
| 課程時數 |
3
|
| 實習時數 |
0
|
| 授課語言 |
1.華語
|
| 輔導考證 |
無
|
| 課程概述 |
教導學生瞭解深度學習的架構及學習法則，強調各種深度學習的數學分析、學習方法及於影像處理、圖訊識別、訊號處理、最佳化等方面的應用。
|
| 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
|
能了解深度學習基本學理
|
|
1 專業知識
|
|
2
|
能針對問題有效辨識適當的深度學習方法並能體認正確嚴謹應用深度學習方法的重要性
|
|
2 實務技能
|
|
3
|
能應用深度學習方法建立有效率的應用程式
|
|
3 資訊能力
|
|
4
|
能利用深度學習分析問題並整合
|
|
4 整合創新
|
|
5
|
能有效解析與呈現深度學習問題，讓不懂統計專業術語的決策者亦可以理解
|
|
7 表達溝通
|
|
| 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 |
| |
20% |
20% |
20% |
20% |
0% |
0% |
20% |
0% |
0% |
0% |
| |
系指標 |
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 |
| |
20% |
20% |
20% |
20% |
0% |
0% |
20% |
0% |
0% |
0% |
|
| 中文課程大綱 |
01 深度學習簡介
02 PyTorch 環境安裝
03 PyTorch 基礎知識
04 簡單案例入門
05 前饋神經網路
06 PyTorch 視覺化工具
07 卷積神經網路
08 遞歸神經網路簡介
09 自編碼模型
10 生成對抗網路
11 Seq2seq 自然語言處理
12 利用 PyTorch 實作量化交易
|
| 英/日文課程大綱 |
01 Introduction to Deep Learning
02 PyTorch environment installation
03 PyTorch Basics
04 Introduction to Simple Cases
05 Feedforward Neural Network
06 PyTorch Visualization Tool
07 Convolutional Neural Network
08 Introduction to Recurrent Neural Networks
09 self-coding model
10 Generative Adversarial Network
11 Seq2seq Natural Language Processing
12 Using PyTorch to Quantify Transactions
|
| 課程進度表 |
第1周 深度學習簡介
第2周 PyTorch 環境安裝
第3~4周 PyTorch 基礎知識
第5周 簡單案例入門:線性迴歸及邏輯迴歸
第6~7周 前饋神經網路
第8周 PyTorch 視覺化工具
第9周 期中作業
第10~11周 遞歸神經網路簡介
第12~13周 自編碼模型
第14~15周 生成對抗網路
第16~17周 利用 PyTorch 實作量化交易
第18周 期末作業
|
| 課程融入SDGs |
|
| 期考調查 |
| 期中考(第9週)考試方式 |
上機
|
| 期末考(第18週)考試方式 |
上機
|
| 其他週考試考試週次與方式 |
上機
|
|
| 教學方式與評量方式 |
| 課程學習目標 | 教學方式 | 評量方式 |
| 能了解深度學習基本學理 |
課堂講授
|
實作
（
平時
）
|
| 能針對問題有效辨識適當的深度學習方法並能體認正確嚴謹應用深度學習方法的重要性 |
課堂講授
|
實作
（
期中
）
|
| 能應用深度學習方法建立有效率的應用程式 |
課堂講授
|
實作
（
平時
）
|
| 能利用深度學習分析問題並整合 |
課堂講授
|
實作
（
平時
）
|
| 能有效解析與呈現深度學習問題，讓不懂統計專業術語的決策者亦可以理解 |
課堂講授
|
實作
（
期末
）
|
|
| 指定用書 |
| 書名 |
PyTorch深度學習與自然語言中文處理
|
| 作者 |
邢夢來, 王碩, 孫洋洋
|
| 書局 |
博碩
|
| 年份 |
2018
|
| 國際標準書號(ISBN) |
9789864343546
|
| 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 |
Python 資料科學與人工智慧應用實務
陳允傑 , 旗標 , 出版日期: 2018
|
| 教學軟體 |
Anaconda, Python, Pytorch
|
| 課程規範 |
|