1.Background and purpose：

本課程將由淺入深地位同學介紹機器學習與深度學習的基礎概念，並利用Python程式語言進行實作。我們會使用現在主流數據分析師們所使用的Jupyter Notebook為開發環境，介紹怎麼建置機器學習，以及目前最火紅的深度學習的各項概念及模型，並帶著同學們實作。課程強調理論與實務並重，期望同學在這個課程之後，數學課程及其他專業課程，都可以運用Python為工具去實驗自己的想法，發現新的觀點，解決實際問題。

2.Outline：

第一週課程進行方式/ 確認自己的工作環境/ 機器學習的數學概念

學習活動：瞭解本學期的目標及需要的程式

課後作業：確實安裝建立工作環境

第二週機器學習的概念

學習活動：記錄回歸法的心得

課後作業：找真實數據，用回歸法分析

第三週百分之百學習的秘密

學習活動：分享你對回歸、內差法的理解

課後作業：真實例子，百分百的學習

第四週監督式學習

學習活動：寫一個監督式學習筆記

課後作業：讓你的電腦學會一個東西的分類

第五週非監督式學習

學習活動：思考讓電腦自己分有什麼好/壞處

課後作業：給個實際的例子，讓拍拍自己分類，看看是不是有什麼意涵。

第六週Coding DayⅠ/ 程式實做週

第七週深度學習概論

學習活動：什麼可以用深度學習？

課後作業：找一個深度學習的例子，並且成功執行。

第八週 學一個函數

學習活動：生成一組假的資料，但看來和真的一樣。

課後作業：用神經網路學函數。

第九週 了解什麼是CNNⅠ

學習活動：了解CNN的運作方式。

課後作業：圖形轉換成矩陣。

第十週 了解什麼是CNNⅡ

學習活動：討論CNN能做什麼？

課後作業：手寫辨識。

第十一週 了解什麼是CNNⅢ

學習活動：有名公開的深度學習範例。

課後作業：用已訓練好的神經網路做我們的工作。

第十二週 Coding DayⅡ/ 程式實做週

第十三週 RNN的架構Ⅰ

學習活動：討論為甚麼要用RNN

課後作業：寫個簡單的RNN

第十四週 RNN的架構Ⅱ

學習活動：怎麼樣克服RNN的困境？

課後作業：LSTM或GRU的運用

第十五週 生成對抗模式GAN

學習活動：了解GAN的原理

課後作業：收集和GAN相關的種種

第十六週 強化學習

學習活動：新發展討論

        課後作業：實做一個GAN神經網路

第十七週成果發表及討論

第十八週期末總結

3.Time and place：

Every Friday 9:00-12:00

4.Credit：3

Course Information& Material& Assignment

Live Streaming