SC201

AI班

課程介紹

課前要求：SC101 或同等之程式語言基礎

18堂課

每堂課程3小時，包含實作1小時
從機器學習的理論概念出發，先講解資料的前處理及分析，帶入迴歸問題的數學概念及程式轉換，接著引入各式優化機器學習的理論，並使用套件講解運用機器學習的熱門演算法，接著進到深度學習，從類神經網路開始，講解類神經網路的各種層數及使用，最後進入卷積及循環神經網路，實際編寫圖像及時序性資料的的判斷。

4份作業

運用機器學習的概念實際應用，其中包含一份Email合法性判斷、一份爛番茄影評優劣評定、一份鐵達尼號生存率、一個班級Kaggle競賽及一份深度學習圖像分析的小型專案

1份專案

結合課程所學，讓學生們分組尋找現實中實際應用的問題並加以研究，最後將成果以發表會的形式呈現。

機器學習

基礎概念

梯度下降法

(Gradient Descent)

回歸及分類問題

(Regression and Classification)

資料預處理

(normalization, polynomial)

機器學習

進階應用

監督式模型

(Decision Tree, Random Forest, SVM)

非監督式模型

(PCA, K-Means)

正則化

(Regularization)

深度學習及

類神經網路

類神經網路

(Neural Networks)

激勵函數

(Activation Functions)

學習優化器

(Momentum, AdaGrad, AdaDelta, RMSProp)

圖像處理與

卷積網路

卷積神經層

(Convolution Layer)

池化神經層

(Pooling Layer)

圖像判定模型

(Resnet、VGGnet)

自然語言與

時序性模型

循環神經網路

(RNN, LSTM)

詞嵌入

(Word Embedding)

自然語言處理

(Natural Language Processing)

ChatGPT
架構

與影片辨識

位置編碼

(Positional Encoding)

自注意力機制

(Self Attention)

模型整合與轉換

(Model Integration)

SC201

Teaching Assistants

Victor Huang

SC201 假日班
東海大學
應用物理學系學士

Joanne Zeng

SC201 假日班
臺灣大學
基因體暨蛋白體醫學研究所碩士

Jenny Wei

SC201 假日班
巴黎政治學院
人權與人道行動系碩士

SC201

STUDENT FEEDBACK

非常感謝 Jerry Liao 將這麼棒的程式教育帶回來， 2022一路從SC001->SC101->SC201每一堂課都很精采👍 即使之後不會真的改行，但在stanCode的學習旅程應該這輩子都不會忘，甚至讓我也想出國讀讀書了😆

課程結束後，不得不再次讚嘆這份教材有多厲害，不只是環環相扣，也完美預料學生可能會有的問題。前一堂課的疑惑，下一堂課就有解答，作業與作業之間也是相互連接，光是能寫出來就有大大的成就感（個人覺得每份作業都能當作一份小project在做了）。

感謝Jerry Liao 的教學讓我這個商科畢業的文組生也能深入學習到Machine Learning 還有 Deep Learning的概念，甚至還加強了微積分😆再次大力推薦各位不論是任何專業領域的人，理科生還是文組生，如果對程式語言感到好奇的都可以來上課，絕對值得！

SC201真的是很扎實的課，從Machine Learning到Deep Learning，每個觀念都講解得很清楚，尤其是數學的部分，Jerry每次的講解以及手把手的教微分，才發現原來大一學的微積分是這樣用的哈哈😂
謝謝 Jerry Liao 讓我發現coding的美麗，SC201是個開端，開啟了我對AI的興趣，我會繼續探索AI的世界！！

SC201最重要的還是在告訴我們AI是什麼，What is machine learning and how to learn? 一步一步帶我們從如何手刻自己得機器學習架構，到使用各種python ML package (不要懷疑這些package都是業界正在使用而且最常使用的工具），到最後如何站在巨人的肩膀上完成最後的poster session。

謝謝stanCode創造了一個充滿挑戰卻又無比安全的AI學習環境 🦺Jerry 的課程安排還有細心的教學，使整個學習的過程一氣呵成，讓沒有學過微積分、矩陣等數學概念的我，能夠在上課範例的解說還有作業的練習中慢慢上手，太不可思議了！感謝Jerry老師化繁為簡的功力、對於AI的鑽研、備課所下的心力、還有對每個學生的關心。