模組B-4:深度學習時空間資料探勘

​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) 長短期記憶模型(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

相關投影片教材共5份,詳列如下

1.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

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:

https://colab.research.google.com/notebooks/intro.ipynb

自建環境參考: https://drive.google.com/open?id=15KAqgd5yerAFLTz8bdBRS682UuZJZImi

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:

https://drive.google.com/open?id=15KAqgd5yerAFLTz8bdBRS682UuZJZImi

107學年度第1學期開課影片:

https://drive.google.com/open?id=1gZpUUe6uq6SkzWWdV6vgyKTCo50lEWwy

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