深度學習程式設計與金融科技產業實踐(II)
Deep Learning Programming in Fintech Practices(II)
| 節 | 週一 |
|---|---|
A 18:30–19:20 | 深度學習程式設計與金融科技產業實踐(II) M116 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
近年來人工智慧的發展突飛猛進,在金融科技與產業界的應用也日益蓬勃,而程式設計更成為商業領域人才不可或缺的一項技能。本課程銜接深度學習程式設計與金融科技產業實踐(I)課程 (或自學達同等程度) 基礎,將更著重機器/深度學習常見應用領域實作,與主流開發框架與平台/工具/資源介紹,進一步促進自學延伸知識之技能。 課程目標: 1. 讓學員了解人工智慧在金融科技 (及其他產業) 上的發展及應用 2. 讓學員了解機器學習常見應用領域 (如電腦視覺) 的基本概念及原理 3. 讓學員習得深度學習的實作能力 4. 讓學員具備自學延伸資料科學知識的能力 5. 藉由跨領域的產業專題實作,培養學員的團隊合作與創新思維
1. 先修科目:深度學習程式設計與金融科技產業實踐(I) 2. (或) 先備能力:開發 (入門) Python 程式及 (且) 具備機器學習基礎概念
• 助教 * 1 *The course schedule may be subject to change.
• 課程作業 (40%) • 程式作業*2 (10% * 2 = 20%) • 實習報告*2 (5% * 2 = 10%) • 主題式產業報告*2 (5% * 2 = 10%) • 期中個人計畫 (15%):提案報告 (10%) + 電梯簡報 (5%) • 期末小組專案 (35%):專題發表 (20%) + 執行摘要、展示影片與原始碼 (15%) • 平時考核 (10%):出席與講座 (每人至少需發問一次;每堂課都要填寫講座意見調查) • 其他加分項目 (最高額外 15%):經審核通過之有關競賽參與及獲獎、企業實習等,且得申請必要之經費贊助
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程大綱與Google Colab環境介紹 |
| 第 2 週 | Pytorch與全連接層神經網路實作(一) |
| 第 3 週 | 金融科技講座(一) |
| 第 4 週 | Kaggle介紹與全連接層神經網路實作(二) |
| 第 5 週 | 金融科技講座(二) |
| 第 6 週 | 機器學習中的電腦視覺(一) |
| 第 7 週 | 機器學習中的電腦視覺(二) |
| 第 8 週 | 校際活動週 (校訂放假日) |
| 第 9 週 | 校訂期中考週 (停課) |
| 第 10 週 | 期中個人計畫發表 |
| 第 11 週 | 卷積神經網路實作(一) |
| 第 12 週 | 金融科技講座(三) |
| 第 13 週 | 卷積神經網路實作(二) |
| 第 14 週 | 金融科技講座(四) |
| 第 15 週 | 生成對抗神經網路介紹與實作 |
| 第 16 週 | 校訂期末考週 (停課) |
| 第 17 週 | 期末計畫提案指導 |
| 第 18 週 | 期末專題發表 |
自編教材
- 地點
- M116
- 時間
- 13:20-16:20
- 聯絡方式
- By email