人工智能(Artificial Intelligence)旨在研究如何实现智能机器的科学与工程,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。本课程浅谈人工智能发展进程,从介绍机器该如何学习开始,讲述神经网络(Neural network) 架构与理论;延伸到近年来的热门深度学习技术,包含卷积神经网络(Convolution neural network)、递归神经网络(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。
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。
第1周:人工智能(一) (Artificial Intelligence - 1)
第2周:人工智能(二) (Artificial Intelligence - 2)
第3周:神经网络(一) (Neural Network - 1)
第4周:神经网络(二) (Neural Network - 2)
第5周:迈向深度学习
第6周:卷积神经网络 (Convolution Neural Network)
第7周:递归神经网络 (Recurrent Neural Network)
第8周:最新研究进展
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 %
基礎微積分及線性代數
有機率與統計相關先備知識佳
(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。
本課程證書費用:500元
如何申請證書?
1.點選右上方的「小白人」。
2.點選「證書下載」。
3.畫面即會轉到申請證書系統中,請點選「我要申請證書」。
4.點選「我要搜尋」開始申請證書。
詳細證書下載流程說明請點這裡