Hands-on 實戰
113學年上學期：機器學習：廖元甫 + 陳志成
陳志成（意騰科技董事、聯發科技 executive office 顧問、宸耀科技獨立董事）
機器學習為深度學習的基礎課程，探討如何能由觀測到的資料中自我學習，自我進化，而能自動增進其處理效能。例如進行預測，特徵擷取，分類，模式辨認，決策，各種訊號處理，甚至建立人工智慧等等。
本課程結合業師陳志成博士（意騰科技董事、聯發科技 executive office 顧問、宸耀科技獨立董事）一起授課，將介紹機器學習的基礎演算法、理論及工具。並讓學生嘗試在各種領域中實際實踐這些技術。課程內容包括：(a) 監督式學習（例如參數和非參數演算法、支持向量機和類神經網路等），(b) 無監督學習（例如群聚、降維和自監督學習等），(c)強化式學習（例如馬可夫決策過程，Ｑ學習與貪婪演算法），(d) 機器學習應用實例（例如語音信號處理，影像訊號處理，音訊訊號處理與自然語言處理，資訊擷取與資料搜尋等）。
此外，本課程的業師將從業界的角度分享最新的趨勢、技術與應用，並進行機器學習實戰競賽（例如Kaggle InClass Competition）。
- Kaggle inClass Competition #2 - The Simpsons Characters Recognition Challenge
112學年下學期：深度學習：廖元甫 + 陳志成
陳志成（意騰科技董事、聯發科技 executive office 顧問、宸耀科技獨立董事）
深度學習為機器學習的進階課程，本課程結合業師陳志成博士（意騰科技董事、聯發科技 executive office 顧問、宸耀科技獨立董事）一起授課。除了將回顧機器學習的基礎演算法、理論和工具之外，還將進一步探討特定主題（例如語音信號處理、自然語言處理、影像訊號處理、音訊訊號處理等），深入研究先進的類神經網路模型（例如Transformer、BERT、GPT等），以及高級的訓練演算法（例如自監督學習、對比式學習），特別是討論目前的最前沿技術（State-of-the-Art，縮寫為SOTA），包括大語言模型與多模式基石模型。此外，本課程將邀請業師，從業界的角度分享最新的趨勢、技術與應用（尤其是大語言模型與多模式基石模型的應用）。最後，本課程將針對特定主題舉辦班級深度學習實戰競賽（例如Kaggle InClass Competition）.
- Kaggle inClass Competition #1 - End-to-End Taiwanese ASR using ESPnet
- Kaggle inClass Competition #2 - ZH-TW Reading Comprehension Test using LLMs
- Kaggle inClass Competition #3 - TV Show Caption Recognition using LMMs
