人工智慧与深度学习
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

  • 介绍从人工智慧到深度学习演进。
  • 介绍深度学习领域中各种模型架构与理论,不以特定领域应用为主。
  • 介绍最新研究进展。
  • 以广度为优先,著重直观解释,省略严格数学推导。

授课教师

download.php?id=219&area=teacherfiles

孙春在老师

孙春在老师为美国加州大学柏克莱分校资讯工程博士,目前为国立交通大学资讯工程系特聘教授。研究兴趣为模糊类神经网路、演化式计算、数位学习、数位游戏、电脑模拟。孙老师的研究领域除了著重在科技研发,也重视资讯社会与教育的关怀,期能透过研究,提升社会对科技的认识以及学生对学习的成效。

柯维然老师

柯维然老师为交通大学资讯工程研究所硕士班,研究兴趣为交通工程、交通事故统计分析、人工智慧、深度学习等,并有应用深度学习于车流预测与生成式模型相关研究。目前服务于新竹市警察局,开发多个警政资料分析系统,曾受邀至交通部、交通大学、Python社群演讲。

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

随堂测验(60%):第 2 周 ~ 第 7 周安排随堂测验,共计 6 次,占学期成绩 60%。
期末测验(40%):最后一周安排期末测验,共 1 次,占学期成绩 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

基础微积分及线性代数

有机率与统计相关先备知识佳

常见问答集

(1) 此课程完成后是否提供相关证书?

答:总成绩超过(含) 60分者,可获得「修课通过证明」。
但修课通过证明并非学分证明,有关采认为学分一事,需询问您就读学校是否承认。

(2) 问:是否有固定的上课时间?是否需要每周都进入课程?

答:课程为网路性质,将每周释出新的影音进度。学员于课程结束前,请自行安排时间观看影音。但是,测验题有时间限制,请留意开放时间。根据经验,若每周学员自行安排固定时间跟上进度,学习效果较佳。

(3) 测验题是否需要完成?

答:测验题均为自由参加性质,不强制参加。
若您有参与任何翻转课程,则另当别论;
同时,若您想取得修课通过证明,需透过测验题获取成绩,并通过成绩门槛,才可取得。