作者 主題: 《科管局補助》精通深度學習理論與應用  (閱讀 227 次)

0 會員 與 1 訪客 正在閱讀本文。

cyho

  • 憂鬱的高中生
  • ***
  • 文章數: 161
    • 檢視個人資料
《科管局補助》精通深度學習理論與應用 
打開深度學習的黑盒子,迎接訓練深度模型的挑戰與解決之道!

課程網址: https://edu.tcfst.org.tw/web/tw/class/show.asp?tcfst=yes&courseidori=08W320

課程代碼:
08W320
 
上課時間:
108/7/3、7/10,週三上課,09:30~16:30,共2次12小時。
 
上課時數:
12 小時
 
上課地點:
清華大學創新育成大樓(近寶山路與高翠路交叉口)
 
課程費用:
2500元 (區內廠商優惠價格需送出報名表後,系統發出報名成功回函確認金額。)
 
超值優惠:
區內廠商優惠價: 2000 元(★繳費完成才算報名成功喔★)
 
課程目標:
本課程具備三大目標:
(1)了解深度學習的理論與基礎
(2)熟悉深度學習的模型變形與相關應用
(3)迎接訓練深度模型的挑戰與解決之道
 
課程特色:
深度學習(Deep Learning)是機器學習(Machine Learning)近年來非常重要的方法之一,雖然根源於類神經網路,效果卻遠勝於前者,在影像辨識、語音處理、文字辨識等領域大放異彩。但深度學習模型常被視為「黑盒子」,效果卓越卻無法解釋,本課程將從深度學習模型的本質<出發,打開深度學習的黑盒子,了解其理論基礎,並延伸到深度學習模型的各種變形,與深度學習最新的模型架構,藉由各種實例與應用,讓學員了解深度學習的各種模型,如何用來解決不一樣的問題以及實際訓練深度學習模型時,會遇到的挑戰與相對應的解決方式。
 
修課條件:
對AI人工智慧、電腦視覺、深度學習有興趣者。
 
課程大綱:
(一)深度學習理論基礎
1.Perceptron
2.Multi-Layer Perceptron
3.Neural Network
4.Deep Learning
(二)深度學習模型與其文字、影像、語音的應用
1.捲積神經網路模型(Convolutional Neural Network)
2.遞歸神經網路(Recurrent Neural Network)
3.長短期記憶模型(Long Short Term Memory)
4.深度殘差網路(Deep Residual Network)
5.深度密集網路(Deep Dense Network)
6.生成對抗網路(Generative Adversarial Networks)
(三)如何訓練深度學習模型
1.模型訓練過度擬合(Overfitting)的問題
2.避免模型訓練過度擬合的七大技巧
3.如何訓練適用於嵌入式系統的深度學習模型
4.如何訓練多目標、多功能大型的深度學習架構
 
課程師資:
自強基金會專業講師
學歷:國立清華大學資訊工程博士
長:電腦視覺、機器學習、深度學習、多媒體處理分析
 
主辦單位:
科技部新竹科學工業園區管理局
 
執行單位:
財團法人自強工業科學基金會