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
110-2	296653	深度學習TensorFlow實務	1	3.0	3	★	張陽郎	電機二甲 電機二乙 電機二丙	38	1	*電機二甲乙丙合開

教學大綱與進度：

教師姓名	張陽郎
Email	ylchang@ntut.edu.tw
最後更新時間	2022-01-21 21:17:27
課程大綱	人工智慧(Artificial Intelligence)正以現在進行式，廣泛應用於大眾日常生活，改善人類生產力，影響我們文明價值。人工智慧領域中，最核心的技術就是深度學習 (Deep Learning, DL)，它是從機械學習 (Machine Learning, ML) 的基本概念，延伸到深度神經網路 (Deep Neural Network, DNN) 的原理和應用技術，具自動地萃取特徵的功能，是當今科技界最熱門的研究項目。本課程介紹深度學習的基礎概念、數學模型演算法，與工程實作原理，瞭解深度學習與TensorFlow開源框架(Open Source Framework)的關鍵實作技術。課程建置TensorFlow運作框架環境，利用精簡程式碼及模型描述文件，設計一個完整的神經網路系統，進而深入淺出進行深度學習技術的實作與應用。本課程涵蓋原理介紹及實作實習，包含: 1.)機械學習、深度學習及神經網路原理介紹, 2.)TensorFlow框架特性及安裝實習, 3.)常用的數學模型演算法 CNN、RNN、及RBM實作, 4.)強化學習介紹, 5.)深度學習應用範例實習。
課程進度	第1週：課堂和評量說明 第2週：機器學習是什麼&實驗1 第3週：深度學習是什麼&實驗2 第4週：TensorFlow介紹&環境安裝 第5週：TensorFlow常用運算子與函數 第6週：前饋神經網路 第7週：手寫板功能&實驗 第8週：卷積神經網路(上) 第9週：卷積神經網路(下)&實驗 第10週：深度學習的綜合問題 第11週：循環神經網路&實驗 第12週：深度殘差網路&實驗 第13週：受限玻爾茲曼機 第14週：強化學習&實驗 第15週：對抗學習&實驗 第16週：人臉識別&實驗 第17週：風格轉移&實驗 第18週：期末考
評量方式與標準	課堂實驗 (70%) 研讀報告 (10%) 期末考 (20%)
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 白話深度學習與TensorFlow, 高揚, 峰, ISBN：9789864767946
課程諮詢管道
課程對應SDGs指標
備註	本學期課程因應疫情警戒等級規劃上課方式原則如下，實際實施日期與上課方式，請依照學校網頁所公布之訊息為準： ● 上課方式： 遠距上課 採分流上課。 ● 評量標準，採線上出席紀錄與報告書評量。 ● 上課方試：遠距教學 Google Meet (開學後建立) ● 訊息通知教材提供平台：FB (開學後建立) ● 加退選及諮詢課程管道：ylchang@ntut.edu.tw