Instructor: 蔡炎龍 Yen-Lung Tsai (NCCU)
本課程將由淺入深地位同學介紹機器學習與深度學習的基礎概念,並利用Python程式語言進行實作。我們會使用現在主流數據分析師們所使用的Jupyter Notebook為開發環境,介紹怎麼建置機器學習,以及目前最火紅的深度學習的各項概念及模型,並帶著同學們實作。課程強調理論與實務並重,期望同學在這個課程之後,數學課程及其他專業課程,都可以運用Python為工具去實驗自己的想法,發現新的觀點,解決實際問題。
學習活動:瞭解本學期的目標及需要的程式
課後作業:確實安裝建立工作環境
學習活動:記錄回歸法的心得
課後作業:找真實數據,用回歸法分析
學習活動:分享你對回歸、內差法的理解
課後作業:真實例子,百分百的學習
學習活動:寫一個監督式學習筆記
課後作業:讓你的電腦學會一個東西的分類
學習活動:思考讓電腦自己分有什麼好/壞處
課後作業:給個實際的例子,讓拍拍自己分類,看看是不是有什麼意涵。
第七週 深度學習概論
學習活動:什麼可以用深度學習?
課後作業:找一個深度學習的例子,並且成功執行。
學習活動:生成一組假的資料,但看來和真的一樣。
課後作業:用神經網路學函數。
學習活動:了解CNN的運作方式。
課後作業:圖形轉換成矩陣。
學習活動:討論CNN能做什麼?
課後作業:手寫辨識。
學習活動:有名公開的深度學習範例。
課後作業:用已訓練好的神經網路做我們的工作。
學習活動:討論為甚麼要用RNN
課後作業:寫個簡單的RNN
學習活動:怎麼樣克服RNN的困境?
課後作業:LSTM或GRU的運用
學習活動:了解GAN的原理
課後作業:收集和GAN相關的種種
學習活動:新發展討論
課後作業:實做一個GAN神經網路