臺灣全民學習平台 深度類神經計算及應用 講師:游寶達 影音教學 中文發音(DVD版)
內容說明:
類神經網路(neural network)是模擬人工智慧最基礎的學術領域，有其領域的理論、應用等之豐富度。
本課程選取類神經網路的核心內容，以supervised learning為主要內容，論述backpropagation的架構，再引述deep learning的implement tools，讓其neural computation具有deep performance and applications之效能。
課程目標
1. 瞭解neuron的計算模型
2. 瞭解複雜neural system及computation的呈現及計算方式
3. 學習learning algorithm的設計、應用、分析等技術
4. 學會著名的backpropagation演算法
5. 學會Keras及TensorFlow的AI implementation方法及技
6. 學會影像處理的deep computation應用問題
授課教師
遊寶達 老師教師簡介遊寶達教授現任國立中正大學資工系教授，專長於智慧系統設計；加上曾任中正大學圖書館館長，數位學習中心主任、清江學習中心主任，長期研究與經營數位學習，並推動數位教材與課程認證。專長為智慧型系統設計、智慧型網路、ICAL、非線性系統、e-Learning、電腦輔助教學
課程內容:
00_教材
001_1.1 Neural Structure.pdf
002_1.2 Adaptive Linear Neuron.pdf
003_1.3 The Fundamental Neural Network.pdf
004_1.4 One Layer Neural Network.pdf
005_1.5 Multiple Layers Neural Network.pdf
006_Hw01_Question.doc
007_2.1 The Concept of Perceptron.pdf
008_2.2 The Linear Separable Problem.pdf
009_2.3 The OR Separable Problem.pdf
010_2.4 The Perceptron Learning Algorithm.pdf
011_Hw02_Question.doc
012_3.1 Taylor Expansion.pdf
013_3.2 Performance Functions.pdf
014_3.3 Steepest Descent Approach.pdf
015_3.4 Convergent Learning.pdf
016_Hw03_Question.doc
017_4.1 The Experimental Architecture - ADALINE.pdf
018_4.2 MSE Performance Function.pdf
019_4.3 Approximate Steepest Descent.pdf
020_4.4 MSE Learning Algorithm.pdf
021_4.5 Experimental Testing.pdf
022_Hw04_Question.doc
023_5.1 The Multi-Layer Architecture for Backpropagation Learning.pdf
024_5.2 The Backpropagation Learning Algorithm.pdf
025_5.3 The Experimental Architecture – 2-3-2.pdf
026_Hw05_Question.doc
027_5.4 The Application of Function Approximation.pdf
028_Hw06_Question.doc
029_6.1 Starting to Install Python.pdf
030_6.2 Learning Data.pdf
031_6.3 LMS Learning Practice.pdf
032_mnist mse.py
033_Hw07_Question.doc
034_6.4 Backpropagation Learning Practice.pdf
035_mnist mse back.py
036_Hw08_Question.doc
037_7.1 Basic Concept of Convolution Neural Network.pdf
038_7.2 Convolutioanl Operation.pdf
039_7.3 ReLU Operation.pdf
040_7.4 Pooling Operation.pdf
041_7.5 Percetron Operation.pdf
042_Hw09_Question.doc
043_8.1 Basic Concept of Recurrence Neural Network.pdf
044_8.2 Basic RNN Learning Algorithm.pdf
045_8.3 More Concept of RNN Learning Algorithm.pdf
046_8.4 Long Short-Term Memory RNN .pdf
047_Hw10_Question.doc
048_[2020][簡報]TensorFlow與卷積神經網路模型(CNN).pdf
049_[2020][簡報]TensorFlow與長短期記憶模型(LSTM).pdf
050_LSTN ConverData.py
051_TF BP Model.text
052_international-airline-passengers.csv
01_Introduction of Neural Architecture 類神經架構簡介 10月 13日 - 10月 19日
001_1.1 Neural Structure.mp4
002_1.2 Adaptive Linear Neuron.mp4
003_1.3 The Fundamental Neural Network.mp4
004_1.4 One Layer Neural Network.mp4
005_1.5 Multiple Layers Neural Network.mp4
02_Design a Perceptron Learning Algorithm 設計感知學習演算法 10月 20日 - 10月 26日
006_2.1 The Concept of Perceptron.mp4
007_2.2 The Linear Separable Problem.mp4
008_2.3 The OR Separable Problem .mp4
009_2.4 The Perceptron Learning Algorithm.mp4
03_The Steepest Descent Learning Algorithm 最速下降學習算法 10月 27日 - 11月 2日
010_3.1 Taylor Expansion.mp4
011_3.2 Performance Functions.mp4
012_3.3 Steepest Descent Approach.mp4
013_3.4 Convergent Learning.mp4
04_LMS Learning Algorithm最小均方學習算法 11月 3日 - 11月 9日
014_4.1 The Experimental Architecture - ADALINE.mp4
015_4.2 MSE Performance Function.mp4
016_4.3 Approximate Steepest Descent.mp4
017_4.4 LMS Learning Algorithm.mp4
018_4.5 Experimental Testing.mp4
05_Learning Algorithm of Multiple Layers 多層網路學習演算法 (1) 11月 10日 - 11月 16日
019_5.1 The Multi Layer Architecture for Backpropagation Learning.mp4
020_5.2 The Backpropagation Learning Algorithm.mp4
021_5.3 The Experimental Architecture – 2-3-2.mp4
06_Learning Algorithm of Multiple Layers 多層網路學習演算法 (2) 11月 17日 - 11月 23日
022_5.4 The Application of Function Approximation.mp4
07_Learning Practices 學習演算法實例分析 (1) 11月 24日 - 11月 30日
023_6.1 Starting to Install Python.mp4
024_6.2 Learning Data.mp4
025_6.3 LMS Learning Practice.mp4
08_Learning Practices 學習演算法實例分析 (2) 12月 1日 - 12月 7日
026_6.4 Backpropagation Learning Practice.mp4
09_The Convolutional Neural Network 卷積神經網路 12月 8日 - 12月 14日
027_7.1 Basic Concept of Convolution Neural Network.mp4
028_7.2 Convolutioanl Operation.mp4
029_7.3 ReLU Operation.mp4
030_7.4 Pooling Operation.mp4
031_7.5 Percetron Operation.mp4
10_The Recurrence Neural Network 循環神經網路 12月 15日 - 12月 21日
032_8.1 Basic Concept of Recurrence Neural Network.mp4
033_8.2 Basic RNN Learning Algorithm.mp4
034_8.3 More Concept of RNN Learning Algorithm.mp4
035_8.4 Long Short-Term Memory RNN.mp4
11_Running TensorFlow with Applications TensorFlow的應用程式執行分析 (1) 12月 22日 - 12月 28日
036_9.1 從TensorFlow中取得MNIST資料集4K.mp4
037_9.2 建立卷積神經網路模型4K.mp4
038_9.3 卷積神經網路模型訓練4K.mp4
039_9.4 卷積神經網路模型測驗4K.mp4
12_Running TensorFlow with Applications TensorFlow的應用程式執行分析 (2) 12月 29日 - 01月 4日
040_9.5 LSTM資料集與讀取資料4K.mp4
041_9.6 產生訓練與驗證資料4K.mp4
042_9.7 長短期記憶模型建立4K.mp4
043_9.8 長短期記憶模型驗證4K.mp4
相關商品:
臺灣全民學習平台 本草學(2023夏季班) 講師:臺北醫學大學 MOOCs 影音教學 中文發音 繁體中文版(DVD版)
臺灣全民學習平台 現代公民的量子素養 講師:陳志宇、黃琮暐 影音教學 中文發音 繁體中文版(DVD版)
臺灣全民學習平台 AI2 (The first class for mobile app design) 講師:顏士淨 影音教學 英語發音(DVD版)
臺灣全民學習平台 時尚經營概論(全球僑胞數位學習自學課程) 講師:李沛慶、陳世晉 影音教學 中文發音 繁體中文版(DVD版)
臺灣全民學習平台 動畫短片故事企劃(2023版) 講師:陳世昌、楊晰勛 影音教學 中文發音 繁體中文版(DVD版)
