人工智慧原理
Principles of Artificial Intelligence
學期
114-2
學分
3
學分
當期課號
515117
永久課號
EEEC20008
開課單位
電機工程學系
授課教師
黃昱智
校區
光復
類別
選修
上課時間表
| 節 | 週二 | 週四 |
|---|---|---|
3 10:10–11:00 | 人工智慧原理 ED203 2 節連堂 | |
4 11:10–12:00 | ||
8 16:30–17:20 | 人工智慧原理 ED203 |
* 根據陽明交大上課時間表所列
概述
人工智慧為當今顯學，目標是賦予機械像人類一樣甚至超越人類的智能，這其中又以利用過去資料訓練機器預測未來的機器學習最為成功。本堂課目標在提供學生人工智慧相關的原理及理論基礎，預計將分成四部分：第一部分簡介傳統的統計機器學習理論。第二部分介紹深度學習原理及演算法。第三部分則將介紹生成模型的演算法及數學原理。最後將介紹馬可夫決策過程及強化學習。
先修科目
Probability, Linear Algebra
評分方式
Homework & Quiz 70% Exam 30%
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction |
| 第 2 週 | Review of linear algebra and probability |
| 第 3 週 | Statistical machine learning |
| 第 4 週 | Statistical machine learning |
| 第 5 週 | Statistical machine learning |
| 第 6 週 | Deep neural nets |
| 第 7 週 | Deep neural nets |
| 第 8 週 | Deep neural nets |
| 第 9 週 | Generative models |
| 第 10 週 | Generative models |
| 第 11 週 | Generative models |
| 第 12 週 | Multi-arm bandit |
| 第 13 週 | Multi-arm bandit |
| 第 14 週 | MDP and reinforcement learning |
| 第 15 週 | MDP and reinforcement learning |
| 第 16 週 | Exam |
| 第 17 週 | |
| 第 18 週 |
教科書
[1] R. Sutton and A. Barto, “Reinforcement Learning: An Introduction,” MIT Press, 2018. [2] S. Shalev-Shwartz and S. Ben-David, “Understanding Machine Learning: From Theory to Algorithms,” Cambridge University Press, 2014. [3] Technical papers.
Office Hours
- 地點
- ED 834
- 時間
- TBA