人工智慧與深度學習
教师: 孫春在,柯維然

2017/12/18 ~ 2018/02/11
8小时/8周 (报名结束)

概要

人工智慧(Artificial Intelligence)旨在研究如何实现智慧机器的科学与工程,其中深度学习(Deep Learning)技术近年来获得非常大的进步与关注,如影像、语音辨识等应用,甚至能在围棋上战胜人类,都让我们看到深度学习技术的潜力与未来影响。本课程浅谈人工智慧发展进程,从介绍机器该如何学习开始,讲述神经网路(Neural network) 架构与理论;延伸到近年来的热门深度学习技术,包含卷积神经网路(Convolution neural network)、递回神经网路(Recurrent neural network)架构与理论,最后分享目前热门的研究进展,如产生式模型(Generative model)、深度增强学习(Deep reinforcement learning)。对于学习本课程的学员来说,可以获得深度学习的相关背景知识与最新研究成果,对后续相关领域之学习或是应用上有相当大的帮助。

课程目标

  • 介紹從人工智慧到深度學習演進。
  • 介紹深度學習領域中各種模型架構與理論,不以特定領域應用為主。
  • 介紹最新研究進展。
  • 以廣度為優先,著重直觀解釋,省略嚴格數學推導。

授课教师

孫春在老師

孫春在老師為美國加州大學柏克萊分校資訊工程博士,目前為國立交通大學資訊工程系特聘教授。研究興趣為模糊類神經網路、演化式計算、數位學習、數位遊戲、電腦模擬。孫老師的研究領域除了著重在科技研發,也重視資訊社會與教育的關懷,期能透過研究,提升社會對科技的認識以及學生對學習的成效。

柯維然老師

柯維然老師為交通大學資訊工程研究所碩士班,研究興趣為交通工程、交通事故統計分析、人工智慧、深度學習等,並有應用深度學習於車流預測與生成式模型相關研究。目前服務於新竹市警察局,開發多個警政資料分析系統,曾受邀至交通部、交通大學、Python社群演講。

课程进度表

第1周:人工智慧(一) (Artificial Intelligence - 1)

第2周:人工智慧(二) (Artificial Intelligence - 2)

第3周:神经网路(一) (Neural Network - 1)

第4周:神经网路(二) (Neural Network - 2)

第5周:迈向深度学习

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

第7周:递回神经网路 (Recurrent Neural Network)

第8周:最新研究进展

课程内容

%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7_%E8

评分标准

隨堂測驗(60%):第 2 週 ~ 第 7 週安排隨堂測驗,共計 6 次,佔學期成績 60%。
期末測驗(40%):最後一週安排期末測驗,共 1 次,佔學期成績 40 %

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

基礎微積分及線性代數

有機率與統計相關先備知識佳

常见问答集

(1) 此課程完成後是否提供相關證書?

答:總成績超過(含) 60分者,可獲得「修課通過證明」。
但修課通過證明並非學分證明,有關採認為學分一事,需詢問您就讀學校是否承認。

(2) 問:是否有固定的上課時間?是否需要每週都進入課程?

答:課程為網路性質,將每週釋出新的影音進度。學員於課程結束前,請自行安排時間觀看影音。但是,測驗題有時間限制,請留意開放時間。根據經驗,若每週學員自行安排固定時間跟上進度,學習效果較佳。

(3) 測驗題是否需要完成?

答:測驗題均為自由參加性質,不強制參加。
若您有參與任何翻轉課程,則另當別論;
同時,若您想取得修課通過證明,需透過測驗題獲取成績,並通過成績門檻,才可取得。