| 週次 |
主題 |
內容大綱 |
| 1 |
課程介紹與人工智慧概觀 |
|
| 1-2 |
深度學習 |
- 深度學習理論基礎：backpropagation, stochastic gradient descent, activation functions
- 神經網路校調：hyperparameter tuning, regularization and optimization
- 訓練優化技巧
- Data augmentation
- Tensorflow 程式設計
- 實作練習
|
| 3-4 |
卷積神經網路與電腦視覺 |
- 卷積過濾器與影像資料處理
- 經典神經網路比較：VGG, ResNet & DenseNet
- 進階卷積神經網路於電腦視覺之應用與案例
- 實作練習
|
| 5-6 |
遞迴神經網路 |
- 序列資料與遞迴神經網路基礎
- GRU and LSTM
- 時序資料處理與預測性維護
- 自然語言處理與音頻資料處理
- 實作練習
|
| 7-8 |
自然語言處理 |
- 深度學習於
- 聊天機器人 (chatbot)
- 情緒分析 (sentiment analysis)
- 文字摘要 (text summarization)
- 實作練習
|
| 9-10 |
生成式對抗網路 |
- 何謂生成式對抗網路
- 進階生成式對抗網路 (WGAN, EBGAN, infoGAN, etc.)
- Training tips of GANs
- 實作練習
|
| 10-11 |
強化學習 |
- Markov decision process
- Q-learning & Deep-Q Network
- Policy gradient
- Asynchronous Advantage Actor-Critic (A3C), Deep Deterministic Policy Gradient (DDPG)
|
| 12~15 |
專題實作 |
|
| 16 |
結業典禮 / 成果發表 |
|
