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

SC201

POSTER SESSIONS

年度課表

授課方式

實體

捷運大安站共構大樓:臺北市大安區信義路四段6號

線上

Google Meet

Contact Us

    Close Menu