日期 |
課程內容
|
4/14
(二) |
【理論】深度學習介紹 |
|
人工智慧發展史 |
|
深度學習的優勢是什麼 |
|
什麼是深度學習 |
【實作】Python基礎語法複習 |
|
環境安裝、變數、流程控制、函數 |
|
numpy、pandas、matplotlib |
|
4/16
(四) |
【實作】TensorFlow基礎操作 |
|
計算圖的概念 |
|
基礎運算方法 |
|
優化器的使用 |
【實作】TensorFlow習題練習 |
|
基礎TensorFlow語法練習 |
|
4/21
(二) |
【理論】DNN類神經網路 |
|
建構DNN類神經網路 |
|
損失函數(mean square, cross-entropy) |
|
優化器(gradient descent, Adagrad, RMS, Adam) |
【實作】DNN網路實戰 |
|
MNIST手寫辨識 |
|
Cifar10圖像分類 |
|
Tensorboard可式化 |
|
4/23
(四) |
【實作】DNN類神經網路習題練習 |
|
學習修改DNN神經網路 |
|
學習儲存模型並部屬 |
|
4/28
(二) |
【理論】CNN類神經網路 |
|
convolution介紹 |
|
max-pooling介紹 |
|
建構CNN類神經網路 |
|
著名CNN類神經網路介紹 |
【實作】CNN類神經網路實戰 |
|
MNIST手寫辨識 |
|
真實案例照片分類 |
|
5/5
(二) |
【實作】CNN類神經網路習題練習 |
|
學習分類蒐集來的圖片資料集 |
|
學習儲存模型並部屬 |
|
5/7
(四) |
【理論】RNN類神經網路 |
|
Word2vect |
|
傳統RNN介紹 |
|
GRU/LSTM |
【實作】RNN類神經網路實戰 |
|
MNIST手寫辨識 |
|
Word2vect |
|
垃圾郵件分類 |
|
5/12
(二) |
【實作】RNN類神經網路習題練習 |
|
金庸小說word2vect |
|
電影影評分類 |
|
5/14
(四) |
【理論】Autoencoder類神經網路 |
|
建構autoencoder |
|
sparse autoencoder |
|
de-noise autoencoder |
|
VAE |
|
5/19
(二) |
【實作】Autoencoder類神經網路實戰 |
|
Autoencoder在 MNIST上之實作 |
|
VAE練習 |
【實作】Autoencoder類神經網路習題練習 |
|
Autoencoder在 Cifar10上之實作 |
|
5/26
(二) |
【理論】GAN類神經網路 |
|
建構GAN類神經網路 |
|
DCGAN介紹 |
|
CycleGAN介紹 |
|
5/28
(四) |
【實作】GAN類神經網路實戰 |
|
GAN在MNIST上之實作 |
|
DCGAN在Cifar10上之實作 |
【理論】真實案例分享 |
|
類別不平衡 |
|
如何標註資料 |
|
真實案例分享 |
|