| 主題 | 天數 | 內容大綱 |
|---|
| 課程介紹 & 人工智慧概觀 | 1 | |
| 機率、統計與 R 語言 | 2 | 1. 敘述性統計
2. 機率分布
3. 抽樣與分布 & 假設檢定
4. 迴歸 & 無母數分析 |
| 實戰演練－資料分析與資料視覺化 | 1 | |
| 機器學習基礎與演算法 | 3 | 1. 監督式學習- 線性迴歸 (linear regression, LASSO regression)
- 邏輯式迴歸 (logistic regression)
- 支持向量機 (support vector machine)
- 決策樹 (decision tree)
- 隨機森林 (random forest)
- 梯度提升機 (gradient boosting machine)
2. 非監督式學習- 主成分分析 (principal componet analysis, PCA)
- K-means (K-means clustering)
- 階層式分群 (hierarchical clustering)
- DBSCAN
|
| Python 機器學習程式設計 | 1 | |
| 實戰演練－Python 機器學習實作 | 2 | |
| 深度學習理論：深層神經網路基礎與卷積神經網路 (Deep Neural Network & Convolution Neural Network, DNN & CNN) | 3 | 1. 深度類神經網路- 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
- 進階優化方式：batch normalization, Swish activation, etc.
2. 卷積神經網路- 卷積過濾器與影像資料處理
- Data augmentation
- 轉移學習
|
| TensorFlow 程式設計 | 1 | 1. TensorFlow basics
2. How to build up a model?
3. Model training
4. Model inference |
| 期中考 | 1 | |
| 實戰演練－DNN & CNN | 2 | |
| 深度學習理論：遞迴神經網路 (Recurrent Neural Network, RNN) | 1 | 序列資料與遞迴神經網路- Gated recurrent unit (GRU) and Long short-term memory (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
|
| 實戰演練－RNN | 1 | |
| 深度學習理論：生成式對抗網路 (Generative Adversarial Network, GAN) | 1 | 生成式對抗網路 (GANs)- 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
|
| 實戰演練－GAN | 2 | |
| 深度學習理論：強化學習 (Reinforcement Learning, RL) | 2 | 強化學習基礎- Markov decision process
- Q-learning & Deep-Q Network
- Policy gradient
- Asynchronous Advantage Actor-Critic (A3C), Deep Deterministic Policy Gradient (DDPG)
|
| 實戰演練－Reinforcement Learning | 2 | |
| 深度學習於電腦視覺之應用 (Computer Vision) | 1 | 1. 經典神經網路比較：VGG, ResNet & DenseNet
2. 深度學習於電腦視覺應用- 影像分類 (image classification)
- 物體偵測 (object detection)
- 影像分割 (image segmentation)
- 影像描述 (image captioning)
|
| 實戰演練－Computer Vision | 1 | |
| 深度學習於自然語言處理之應用 (Natural Language Processing, NLP) | 1 | 深度學習於- 聊天機器人 (chatbot)
- 情緒分析 (sentiment analysis)
- 文字摘要 (text summarization)
|
| 實戰演練－Natural Language Processing | 1 | |
| 期末專題實作 | 26 | |
| 期末考 | 1 | |
| 期末成果發表會 | 1 | |
| 總天數 | 58 | |
