教學大綱表
請遵守智慧財產權,勿使用非法影印教科書,避免觸法。
課程名稱 (中文) 深度神經網路實驗
(英文) Deep Neural Network Experiments
開課單位 資訊工程學系
課程代碼 I3940
授課教師 謝禎冏
學分數 2.0 必/選修 選修 開課年級 大四
先修科目或先備能力:程式設計、影像處理
課程概述與目標: 深度學習是機器學習的分支,是人工智慧中成長最快的領域,深度學習模擬人類神經網絡的運作方式,將教授常見的深度學習架構,如多層感知器(Multilayer Perceptron)、深度神經網路DNN(Deep Neural Network)、卷積神經網路CNN(Convolutional Neural Network)、遞迴神經網路RNN(Recurrent Neural Network)。目標是讓學生可以應用深度學習於視覺辨識、語音識別、自然語言處理、生物醫學等領域,而且獲得良好的效果。
教科書 自編
參考教材 國際期刊、Python、Keras等相關網站
課程大綱 學生學習目標 單元學習活動 學習成效評量 備註
單元主題 內容綱要
1 深度學習介紹 Classic NN Ex. 1 Sony Neural Network Console(NNC) by logistic regression
  • 實作
  • 講授
  • 上機實習
  •  
    2 Convolution Convolution NN Ex. 2 LeNet, Mnist 0-9  
    3 Deeper learning Deeper learning Ex. 3 AlexNet, Cifar-10/100 (Sony/getcifar10.py)  
    4 Data Set Prepare Dataset Ex. 4 Self-made hand gesture dataset(OpenCV)  
    5 A Real World Application Hand gesture recognition Sony NNC / NNL+OpenCV  
    6 環境安裝 Install CUDA 10.0, cndnn 10.0, Python, Anaconda, Tensorflow, Keras Mnist 0-9與即時手勢辨識  
    7 影像標註工具 Labelling tool ImageLabelling/https://github.com/AlexeyAB/Yolo_mark  
    8 VGG VGG, Cifar-100/ResNet Facial expression recognition  
    9 InceptionNet InceptionNet ImageNet  
    10 Object Detection DNN Fast/Faster RCNN Faster RCNN  
    11 Yolo Yolo v1~v3 Keras + Yolov3  
    12 Mask RCNN Mask RCNN Mask RCNN  
    13 Natural Language processing I Natural Language processing 電影評論正負  
    14 Natural Language processing II Natural Language processing 新聞分類  
    15 LSTM RNN to LSTM LSTM  
    16 GAN Image generation Image generation  
    17 Final Exam Final Exam Final Exam  

    教學要點概述:
    教材編選: ■ 自編教材 □ 教科書作者提供
    評量方法: :40%   期中考:30%   期末考:30%  
    教學資源: ■ 教材電子檔 □ 課程網站
    教學相關配合事項:實驗需在電腦教室進行
    課程網站:網路硬碟三
    扣考規定:http://eboard.ttu.edu.tw/ttuwebpost/showcontent-news.php?id=504