日期 |
課程內容
|
9/8
(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 |
|
【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 |
|
9/15
(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 |
|
【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 |
|
【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 |
|
9/22
(二) |
【實作】CNN類神經網路實戰 |
 |
MNIST手寫辨識 |
 |
真實案例照片分類 |
【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 |
|
【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 |
|
10/6
(二) |
【實作】RNN類神經網路習題練習 |
 |
金庸小說word2vect |
 |
電影影評分類 |
|
【理論】Autoencoder類神經網路 |
 |
建構autoencoder |
 |
sparse autoencoder |
 |
de-noise autoencoder |
 |
VAE |
|
【實作】Autoencoder類神經網路實戰 |
 |
Autoencoder在 MNIST上之實作 |
 |
VAE練習 |
|
10/13
(二) |
【實作】Autoencoder類神經網路習題練習 |
 |
Autoencoder在 Cifar10上之實作 |
【理論】GAN類神經網路 |
 |
建構GAN類神經網路 |
 |
DCGAN介紹 |
 |
CycleGAN介紹 |
|
【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 |
|