數位內容與機器學習
Digital Content and Machine Learning
| 節 | 週一 |
|---|---|
A 18:30–19:20 | 數位內容與機器學習 MB304 3 節連堂 |
B 19:30–20:20 | |
C 20:30–21:20 |
* 根據陽明交大上課時間表所列
課程概述: 本課程將會介紹目前在數位內容系統設計的原理與技術。上課的同學將在此豐富內涵的領域中得到非常實用的經驗和技術。課程的主題包含了數位內容資訊的形成和管理、多媒體的有效呈現與處理方式,以及圖形、音效和音樂、影像和視訊等資料的製作,配合多媒體的軟硬體系統,完成實作和整合;同時介紹人工智慧與機器學習在圖形識別、智慧醫療等的應用,探討電子商務實務上數位內容所扮演的關鍵角色。 課程目標: 本課程針對數位內容理論與應用,對數位內容系統和標準,在資訊、教育、娛樂和商務上的應用,給予一個概括全面性的介紹。近來由於人工智慧與機器學習透過硬體計算能力的提昇,可以自動擷取資料的特徵,將運用Matlab語言的深度學習套件和函數,探討相關深度學習的模型,優化參數及避免過度配適,以提高模型應用的準確度。實作案例涵蓋時間序列分析、圖像辨識、以及自然語言處理應用在網際網路的市場行銷和電子商務。
基本的程式理解。
教材編選:相關文獻探討 教學方法:課堂講授、相關實作、邀請演講 教學資源:相關文獻及網路資料 教學相關配合事項:office hours、助教講解
評量方法:作業及課堂參與-40%;期中報告-20%,期末考-40%
- 專題討論
- 課程導讀
| 週次 | 主題 |
|---|---|
| 第 1 週 | 內容介紹 線上上課鏈結:https://meet.google.com/dre-bvvh-fsz |
| 第 2 週 | 數位內容應用設計和電子商務的探討 |
| 第 3 週 | 多媒體資料型式的表現 |
| 第 4 週 | 影像視訊和音樂的整合 |
| 第 5 週 | 數位內容之編輯技術 |
| 第 6 週 | MATLAB介紹 |
| 第 7 週 | MPEG1,MPEG2,MPEG4, H.264介紹,MP3 |
| 第 8 週 | 數位所有權管理介紹 |
| 第 9 週 | 期中報告 |
| 第 10 週 | 多種媒體整合技術,以及在特定領域之應用 |
| 第 11 週 | 機器學習概論 |
| 第 12 週 | 監督式學習方法&非監督式學習方法 |
| 第 13 週 | 神經網路與深度學習架構 |
| 第 14 週 | 最佳化方法 |
| 第 15 週 | 支持向量機(SVM)原理簡介 |
| 第 16 週 | 卷積神經網路(CNN)基本理論簡介 |
| 第 17 週 | 未來數位內容應用探討 |
| 第 18 週 | 學期考試 |
教科書: 相關文獻及網路資料 參考書: 1. Digital Multimedia, Nigel Chapman and Jenny Chapman, John Wiley 2. Machine Learning in Python : Essential Techniques for Predictive Analysis, Michael Bowles, Wiley 3. Handouts and selected journal papers
- 地點
- 管理二館306室
- 時間
- 週二 10:00~12:00
- 聯絡方式
- mjtsai@cc.nctu.edu.tw