查詢教學大綱與進度

教學大綱與進度

課程基本資料：

學年期課號課程名稱階段學分時數修教師班級人撤備註

114-1 352746 高等類神經網路應用 1 3.0 3 ★ 田方治工管四丙 0 0 工管所工管4甲乙丙合開，科研640【停開】

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
114-1	352746	高等類神經網路應用	1	3.0	3	★	田方治	工管四丙	0	0	工管所工管4甲乙丙合開，科研640【停開】

教學大綱與進度：

教師姓名田方治　教師諮商時間(Office Hours)

Email fctien@ntut.edu.tw

最後更新時間 2025-05-28 16:23:31

課程大綱本課程之主要目的除介紹基本之類神經理論外，更在於運用現有之類神經網路於工業工程領域內之相關運用，將以現有之資料庫實地解決分類、分群、預測、監控等實際問題，使學生能夠了解類神經網路之基礎理論外，更可深入運用此工具。 The objective of this class is to explore the basic theoretical basis and applications of Neural Networks and their applications. In this course, students will learn how to build deep learning networks and their applications in machine vision areas 加強程式、邏輯訓練及實作 (PyTorch & python & MVA – prerequisites) The major topics of networks covered include: Block Design: Residual block, SE block, etc. AD(Anomaly Detection): EfficientAD、PatchCore、Padim Classifier: CNN (ResNet, DenseNet, EfficientNetv2) OD (Object Detection): Yolov10 BBox and Instance segmentation、RMDet Semantic Segmentation: AutoEncoder, UNet GAN: DCGAN etc. 另請同學自備個人電腦，上課時需同時使用

課程進度 The content of this course include the following subjects： 1. PyTorch: (3 weeks) a. Basic commands & nn.module related commands b. Gradient descent & BPN c. CNN & LeNet d. Dataset & Dataloader e. Loss Function & Transformation 2. CNN Training Tips & CAM Heatmaps, Visualization (2 week) 3. Classifier: ResNet, DenseNet, EfficientNet (2 weeks) 4. OD (Object Detection): FRCNN, Yolo, Mask RCNN, Labeling (2 weeks) 5. AD (Anomaly Detection): EfficientAD, PaDim, PatchCore (2 weeks) 6. Semantic Segmentation: AE, Unet (2 Weeks) 7. GAN: DCGAN, etc. (2 Weeks)

評量方式與標準 Assignment & Quiz 35 % Final Test 25% Paper Study and Presentation 10 % Term Project - Competition 30 % AC Book Reading 5% (optional)

使用教材、參考書目或其他 【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】

使用外文原文書：否
Satish Kumar, Neural Networks— a classroom approach, McGrawHill, 滄海書局 (Textbook) Simon, Haykin, Neural Network and Learning Machine, Pearson International Youtubes: 田方治: MVA、Deep Learning Others Personal power points

課程諮詢管道 Google meet 上課連結: https://meet.google.com/pwu-amgf-sgm

延伸教學與資源

課程對應SDGs指標 SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）

課程是否導入AI ● 使用生成式AI作為教學過程的輔助工具（Use generative AI tools as an aid to the teaching process）
● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools）
● 簡單介紹AI的基本概念（Briefly introduce the basic concept of AI）

備註
1. 線上上課
2. 連結: https://meet.google.com/pwu-amgf-sgm
3. office Hours: 週三下午 14:00~16:00

教師姓名	田方治　教師諮商時間(Office Hours)
Email	fctien@ntut.edu.tw
最後更新時間	2025-05-28 16:23:31
課程大綱	本課程之主要目的除介紹基本之類神經理論外，更在於運用現有之類神經網路於工業工程領域內之相關運用，將以現有之資料庫實地解決分類、分群、預測、監控等實際問題，使學生能夠了解類神經網路之基礎理論外，更可深入運用此工具。 The objective of this class is to explore the basic theoretical basis and applications of Neural Networks and their applications. In this course, students will learn how to build deep learning networks and their applications in machine vision areas 加強程式、邏輯訓練及實作 (PyTorch & python & MVA – prerequisites) The major topics of networks covered include: Block Design: Residual block, SE block, etc. AD(Anomaly Detection): EfficientAD、PatchCore、Padim Classifier: CNN (ResNet, DenseNet, EfficientNetv2) OD (Object Detection): Yolov10 BBox and Instance segmentation、RMDet Semantic Segmentation: AutoEncoder, UNet GAN: DCGAN etc. 另請同學自備個人電腦，上課時需同時使用
課程進度	The content of this course include the following subjects： 1. PyTorch: (3 weeks) a. Basic commands & nn.module related commands b. Gradient descent & BPN c. CNN & LeNet d. Dataset & Dataloader e. Loss Function & Transformation 2. CNN Training Tips & CAM Heatmaps, Visualization (2 week) 3. Classifier: ResNet, DenseNet, EfficientNet (2 weeks) 4. OD (Object Detection): FRCNN, Yolo, Mask RCNN, Labeling (2 weeks) 5. AD (Anomaly Detection): EfficientAD, PaDim, PatchCore (2 weeks) 6. Semantic Segmentation: AE, Unet (2 Weeks) 7. GAN: DCGAN, etc. (2 Weeks)
評量方式與標準	Assignment & Quiz 35 % Final Test 25% Paper Study and Presentation 10 % Term Project - Competition 30 % AC Book Reading 5% (optional)
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】使用外文原文書：否 Satish Kumar, Neural Networks— a classroom approach, McGrawHill, 滄海書局 (Textbook) Simon, Haykin, Neural Network and Learning Machine, Pearson International Youtubes: 田方治: MVA、Deep Learning Others Personal power points
課程諮詢管道	Google meet 上課連結: https://meet.google.com/pwu-amgf-sgm
延伸教學與資源
課程對應SDGs指標	SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）
課程是否導入AI	● 使用生成式AI作為教學過程的輔助工具（Use generative AI tools as an aid to the teaching process） ● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools） ● 簡單介紹AI的基本概念（Briefly introduce the basic concept of AI）
備註	1. 線上上課 2. 連結: https://meet.google.com/pwu-amgf-sgm 3. office Hours: 週三下午 14:00~16:00