| 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 | |
