課程資料
|
K887 Matlab 深度學習
|
開課學期：1092
|
開課班級：
機械系 3A
|
|
授課教師：林建宏
|
選修
|
學期課
|
學分數：3.0
|
大義 0330 星期三 12:10-15:00
|
|
K887 MALTAB DEEP LEARNING
|
2021 Spring
|
Department of Mechanical Engineering 3A
|
|
Professor：LIN, CHIEN-HUNG
|
Elective
|
Semester
|
Credits:
3.0
|
Da Yi 0330 Wednesday 12:10-15:00
|
發展願景
傳揚中華文化，促進跨領域創新，與時精進，邁向國際
It is our objective to promote Chinese culture, enhance cross-disciplinary innovation, seek constant advancement, and embrace global community.
辦學宗旨
秉承質樸堅毅校訓，承東西之道統，集中外之精華，研究高深學術, 培養專業人才，服務社會，致力中華文化之發揚, 促進國家發展.
Based on our motto—“Temperament, Simplicity, Strength, and Tenacity,” “inheriting the merits of the East and the West” and “absorbing the essence of Chinese and foreign cultures,” we make it our mission to pursue advanced research, develop professional talents, serve the society, promote Chinese culture and support national development.
校教育目標
校基本素養
校核心能力
院教育目標
研究創新、科技興國
發展產業、學以致用
培育優秀青年工程師
院核心能力
科學理論與工程知識
系統設計與資通科技
實驗分析與實踐技能
創新整合與終身學習
工程倫理與社會責任
計畫管理與團隊合作
系教育目標
培養學生機械工程專業理論基礎
培養學生應用電腦於設計分析之能力
培養學生系統整合及實作能力
培養學生團隊合作精神與擴展國際視野
系核心能力
運用數學、科學及工程知識的能力
設計與執行實驗，以及分析與解釋數據的能力
執行工程實務所需技術、技巧及使用工具之能力
設計工程系統、元件或製程之能力
有效溝通與團隊合作的能力
發掘、分析及處理問題的能力
認識時事議題，瞭解工程技術對環境、社會及全球的影響，並培養持續學習的習慣與能力
理解專業倫理及社會責任
課程目標
1.了解深度學習的基礎
2.實施深度神經網絡
3.將Matlab應用於深度學習項目
4.在應用程序中使用CNN和序列模型
1.To understand the basics of deep learning
2.To implement deep neural networks
3.To apply Matlab for deep learning projects
4.To use CNN and sequence models in applications
課程能力
運用數學、科學及工程知識的能力 (比重 10%)
設計與執行實驗，以及分析與解釋數據的能力 (比重 20%)
執行工程實務所需技術、技巧及使用工具之能力 (比重 20%)
設計工程系統、元件或製程之能力 (比重 20%)
有效溝通與團隊合作的能力 (比重 10%)
發掘、分析及處理問題的能力 (比重 10%)
認識時事議題，瞭解工程技術對環境、社會及全球的影響，並培養持續學習的習慣與能力 (比重 10%)
課程概述
本課程是一門深度學習入門課程，強調理論與實務並重，介紹深度學習的理論及概念並培養實作能力，該課程將從機器學習，神經網絡基礎知識的複習開始，到最新的發展，特別強調了Matlab在深度學習中的應用，本課程適合深度學習的初學者，將介紹邏輯回歸、神經網絡、梯度下降等基礎知識，深度神經網路(DNN)、卷積神經網路(CNN)和遞迴神經網路(RNN)之應用將是本課程的最後一部分。
This is an introductory course of deep learning that introduces the fundamentals and practices of deep learning. The course will start from a refresher in the basics of machine learning, neural networks, to recent developments. This course is with special emphasis on Matlab for the application of deep learning, and is suitable for a beginner in deep learning. Basics on logistic regression, neural networks, gradient descent, etc. will be covered. Deep neural network (DNN), convolutional neural network(CNN), and recurrent neural network(RNN) with applications will be the final part of the course.
授課內容
授課內容：
本課程是一門深度學習入門課程，強調理論與實務並重，介紹深度學習的理論及概念並培養實作能力，該課程將從機器學習，神經網絡基礎知識的複習開始，到最新的發展，特別強調了Matlab在深度學習中的應用，本課程適合深度學習的初學者，將介紹邏輯回歸、神經網絡、梯度下降等基礎知識，深度神經網路(DNN)、卷積神經網路(CNN)和遞迴神經網路(RNN)之應用將是本課程的最後一部分。
This is an introductory course of deep learning that introduces the fundamentals and practices of deep learning. The course will start from a refresher in the basics of machine learning, neural networks, to recent developments. This course is with special emphasis on Matlab for the application of deep learning, and is suitable for a beginner in deep learning. Basics on logistic regression, neural networks, gradient descent, etc. will be covered. Deep neural network (DNN), convolutional neural network(CNN), and recurrent neural network(RNN) with applications will be the final part of the course.
授課方式
課堂講授
課堂演練
學生簡報
分組討論
評量方式
上課用書
（師生應遵守智慧財產權及不得非法影印）
深度學習－從入門到實戰；郭至恩；全華圖書，出版年：2020
參考書目
（師生應遵守智慧財產權及不得非法影印）
深度學習的技術：2週掌握高效學習，立即應用；楊大輝；遠流出版社；2019
學AI真簡單(II)：動手做深度學習； AI4kids；全華圖書；2020
深度學習入門教室：6堂基礎課程+Python實作練習，Deep Learning、人工智慧、機器學習的理論和應用全圖解；谷岡広樹, 康鑫；臉譜圖書；2019
課程需求
要報告
期末報告取代期末考試，需要口頭報告及書面報告
要考試期中考
要分組討論依照修科人數分組
其他需求需要使用MATLAB軟體，須具備基本程式撰寫能力
因為教室並非每位同學一部電腦配置，建議同學自備筆電來上課
輔導時間
- 星期一 09:00-10:00 12:00-13:00
- 星期二 09:00-10:00
- 星期三 10:00-12:00
- 星期五 09:00-10:00 12:00-13:00
教師聯絡資訊
Email：ljh13@ulive.pccu.edu.tw
分機：33311
課程進度
| Deep network designer App |