深度學習與實務
Deep Learning and Practice
學期
107-2
學分
3
學分
當期課號
B676
永久課號
B0433
開課單位
腦科學研究所
授課教師
陳麗芬
校區
陽明
類別
選修
上課時間表
| 節 | 週二 |
|---|---|
N 12:20–13:10 | 深度學習與實務 YL839 3 節連堂 |
5 13:20–14:10 | |
6 14:20–15:10 |
* 根據陽明交大上課時間表所列
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | 機器學習基礎回顧Introduction and machine learning basics |
| 第 2 週 | 深度回饋網路 Deep Feedforward Networks |
| 第 3 週 | 捲積式神經網路 Convolutional Networks |
| 第 4 週 | 深度學習正規化 Regularization for deep learning |
| 第 5 週 | 遞歸神經網路 Recurrent and Recursive Nets |
| 第 6 週 | 線性因素模型與自動編碼器 Linear factor models and autoencoders |
| 第 7 週 | 表徵學習 Representation learning |
| 第 8 週 | 結構化機率模型 Structured probabilistic models |
| 第 9 週 | 近似推斷與深層生成模型Approximate inference and deep generative models |
| 第 10 週 | 強化學習概述 Introduction to reinforcement learning |
| 第 11 週 | 策略梯度與深層Q學習 Policy gradient + DQN |
| 第 12 週 | 期末專題與文獻報告 proposal |
| 第 13 週 | 深層Q學習應用 DQN applications: Atari, AlphaGo, and Robotics |
| 第 14 週 | 文獻報告與討論 Paper study and presentation |
| 第 15 週 | 文獻報告與討論 Paper study and presentation |
| 第 16 週 | 遷移式學習與應用 Transfer learning and applications |
| 第 17 週 | 期末專題報告 Term project presentation |
| 第 18 週 | 期末考 Final exam |