| 教材模組名稱 | 深度學習時空間資料探勘/成功大學電機系 黃仁暐教授 |
|---|---|
|
教材模組 教學目標
|
本課程旨在提供學生深度學習相關知識，包含類神經網路(Neural Networks)、卷積類神經網路(Convolutional Neural Networks)、遞歸類神經網路(Recurrent Neural Networks)、長短期記憶模型(Long Short Term Memory)、自編碼模型(Autoencoders)、生成對抗網路(Generative Adverisial Networks)以及強化學習(Reinforcement Learning)等基本概念與設計原理，並期待學生能利用本模組教材所學解決時空間資料探勘相關問題
|
|
教材模組時數
|
12小時
|
|
教材模組 課程大綱
|
單元1：常見深度學習模型介紹 (3小時)
(1) 類神經網路(Neural Networks) (2) 卷積類神經網路(Convolutional Neural Networks) 單元2：具時序性之深度學習模型簡介(3小時)
(1) 遞歸類神經網路(Recurrent Neural Networks) (2) 期記憶模型(Long Short Term Memory) 單元3：進階深度學習模型介紹(3小時)
(1) 自編碼模型(Autoencoders) (2) 生成對抗網路(Generative Adverisial Networks) 單元4：強化學習介紹(3小時)
(1) 強化學習(Reinforcement Learning) A. 強化學習運作原理介紹 B. 獎勵(reward)與貝爾曼方程式(Bellman Equations)之概念介紹 C. 馬可夫決策(Markov Decision Process)概念介紹 D. Q學習運作原理介紹 |
|
可分享教材模組內容說明
|
相關投影片教材共5份，詳列如下
類神經網路2.卷積類神經網路3.遞歸類神經網路與長短期記憶模型4.自編碼模型與生成對抗網路5.強化學習
※示範教材:
|
|
所需實作平台配備與經費需求預估
(以模組教學實作所需基本軟、硬體平台估算)
|
1. 實作平台配備說明(每組供6人使用)
(1) 搭載深度學習運算單元之伺服器1台 (2) 可進行深度學習運算之顯示卡2張 (建議為NVIDIA 1080Ti 以上之規格) 2. 設備經費需求
(1) 每組約15萬元 (伺服器10萬元+顯示卡每張各25,000元) 2. 如無上述實作平台自行建置需求者，可利用網路上免費之開源平台(如google colabortory )進行課程實作練習，完全免費。
※實作平台配備: Google colab:
|
|
聯盟示範教學實驗室可提供之訓練與技術支援
(含實驗示範影片)
|
成大電機大數據課程網頁(108學年度第1學期)：https://kid.ee.ncku.edu.tw/~course/108-1-big_data/
※示範影片:
106學年度第2學期開課影片：
107學年度第1學期開課影片：
|
|
聯絡窗口
|
負責教師：國立成功大學電機工程學系 黃仁暐副教授
專責助理：邱妤宣 小姐 E-mail: yayachiu0204@mail.ncku.edu.tw
聯絡電話： (06) 275-7575 轉62400分機2614
|