深度学习(2018春季班)
教师: 游寶達

2018/02/26 ~ 2018/04/30
9小时/9周 (报名结束)

概要

1.细说深度学习的因由、细节、应用、未来,其中细推学习演算法的公式,有助于高中生都可以理解本课程(目前线上课程大都直接display出公式,不易被刚入门的学生所接受),并配合Python的程式演绎,引发学生对程式设计的兴趣。主要以PPT细说公式,再配合Python程式印证一遍,以加强学生的学习动力及内涵,同时老师将利用去背的功能,随时与教材互动,以产生teacher-led的教学效果。

2.化繁为简的课程内容,以图文并茂的方式重新设计多种的学习模式,让有兴趣的学生可以快速了解学习模式的概念及细节。

3.提供Python的实验程式码,让学生可以轻易操弄多种的学习模式,以辅助学生快速进入深度学习的课程内容中。

4.引导学生操作深度学习目前热门的套装软体,例如CAFFE及CNTK。

5.介绍全世界深度学习的热门议题,例如Alpha Go、Master、机器人服务等,让学生了解Deep Learning是一个Hot Topic。

课程目标

  1. 建立深度学习的基本知识,例如Supervised Learning, Unsupervised Learning, Perceptron Learning Algorithm, Performance Function, Steepest Descent, LMS Algorithm等。
  2. 学习Deep Learning的两大模式:Convolution Neural Network及Recurrent Neural Network。
  3. 学习操作CAFFE及CNTK两大开放套件。
  4. 学习如何利用CAFFE及CNTK设计深度学习的应用问题。
  5. 加强Python的程式设计能力。

授课教师

download.php?id=202&area=teacherfiles

游宝达教授

游宝达教授

  • 建立中正大学图书馆『图书馆之旅』数位学习系统。
  • 推动中正大学成立网路硕士在职专班、通过教育部认证的数位教材及课程认证。
  • 推动中正大学MOOCs计划之执行,主导的教育部MOOCs课程:
  1. 2014:易数逻辑、国际人权法律与实务。
  2. 2015:如何看到世界:眼睛、大脑与视觉、清心减压保健康、爱情关键救援16小时:家事事件实务、延缓失能:退化性膝关节炎自我照顾、生活中的经济思维与创新思考、系统程式。
  3. 2016:人可以貌相:脸孔处理与辨识、台湾阿嬤的芭比时代-流行台湾(1919~1945)、性知识与性侵害性骚扰预防知能。
  • 投入数位教材制作:
  1. ADDIE数位教材设计(通过教材认证)
  2. 线性代数(通过教材认证)
  3. 线性代数题库
  4. 类神经网路
  5. 模糊系统
  6. 易数逻辑(2014,2015教育部MOOCs课程)
  7. 系统程式(2015~2016教育部科技MOOCs课程)

郑淑真教授

郑淑真教授

服务机关:南台科技大学 资讯工程系

  • 专长:机器学习、资料探勘、演化计算、影像处理、数位学习。
  • 教学经历:连续获得99学年度至105学年度优良教师奖励。

  • 授课科目:人工智慧资讯撷取演算法作业系统、资讯专业英文、科技英文、科技英文写作、App Inventor程式设计(全英文授课)

黄国胜教授

黄国胜教授

服务机关:国立中山大学-电机工程学系(1991/8~现在)

  • 专长:智能机器人学、群组机器人合作、机器学习、嵌入式系统应用。
  • 授课科目:工程数学、线性代数、线性系统理论、机器学习、软性计算数位控制、模糊系统与类神经网路、机电整合、机器人学、电脑图学、与最佳化控制系统。

李庆鸿教授

李庆鸿教授

服务机关:国立中兴大学-机械工程学系(2012/2~现在)

  • 专长:智慧型控制 、机械手臂控制、模糊类神经系统、工具机伺服控制、非线性控制、演化理论与计算。
  • 授课科目:类神经网路原理与应用(机械所硕士班)、模糊控制(机械所硕士班)、智慧型控制系统设计(机械所硕士班)。

课程进度表

第1周:Introduction-课程介绍

第2周:The Concept of Perceptron-认知概念

第3周:Optimal Learning-优化学习

第4周:LMS Learning Algorithm-最小均差学习演算法

第5周:The Backpropagation Algorithm-背传导演算法

第6周: Convolution Neural Network-卷积神经网路

第7周:CNN Develop Tools-卷积神经网路开发工具

第8周:Recurrent Neural Network-循环神经网路

第9周:RNN Develop Tools RNN-开发工具

评分标准

评分作业40%

总结性测验45%

讨论区:主题式讨论15%

通过标准


课程及格标准:60分满分:100分

先修科目或先备能力

  1. 高中数学、简易微积分、机率
  2. Python

建议参考书目

1.

书名:Neural Network Design 2nd Edition

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

2.

书名:Deep Learning

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