| 課程代碼 |
90M07O01
|
| 課程中文名稱 |
深度學習
|
| 課程英文名稱 |
Deep Learning
|
| 學分數 |
3.0
|
| 必選修 |
選修
|
| 開課班級 |
碩研資管一甲
|
| 任課教師 |
吳國銓
|
| 上課教室(時間) |
|
週三
|
第5節
|
(L405)
|
|
週三
|
第6節
|
(L405)
|
|
週三
|
第7節
|
(L405)
|
|
| 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 |
這是一門深度學習的導論及應用實作課程，介紹常見深度學習模型之原理與應用，以深入淺出範例操作，使學生瞭解深度學習的基礎概念，並引導學生針對課程相關技術與應用能深度學習。
|
| 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 |
|
1
|
認識深度學習相關程式套件
|
To know the related python packages of deep learning
|
|
2
|
認識深度學習專業術語
|
To know the terminology of deep learning
|
|
3
|
認識深度學習相關應用
|
To know the application of deep learning
|
|
4
|
具備深度學習的基礎知識
|
To have basic knowledge of deep learning
|
|
5
|
具備深度學習創新應用思考能力
|
To have ability of innovative applications of deep learning
|
|
6
|
能進行深度學習的簡報
|
Ability of briefing on the topic of deep learning
|
|
| 就業力培養目標 |
此門課程無設定權重值
|
| 中文課程大綱 |
1. Python及線性代數
2. 機器學習基礎
3. 深度學習簡介
4. 類神經網路
5. 全連結深度網路
6. 卷積神經網路
7. 循環神經網路
8. 生成對抗網路
9. 強化學習
|
| 英/日文課程大綱 |
1. Python and linear algebra
2. Machine learning basic
3. Deep learning basics
4. Neural networks
5. Fully connected deep networks
6. Convolutional neural networks
7. Recurrent neural networks
8. Generative adversarial network
9. Reinforcement learning
|
| 課程進度表 |
|
| 課程融入SDGs |
|
| 期考調查 |
| 期中考(第9週)考試方式 |
|
| 期末考(第18週)考試方式 |
|
| 其他週考試考試週次與方式 |
|
|
| 教學方式與評量方式 |
| 課程學習目標 | 教學方式 | 評量方式 |
| 認識深度學習相關程式套件 |
--
|
--
|
| 認識深度學習專業術語 |
--
|
--
|
| 認識深度學習相關應用 |
--
|
--
|
| 具備深度學習的基礎知識 |
--
|
--
|
| 具備深度學習創新應用思考能力 |
--
|
--
|
| 能進行深度學習的簡報 |
--
|
--
|
|
| 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 |
|
| 課程規範 |
|