[AI] 人工智慧課綱

主題	天數	內容大綱
課程介紹 & 人工智慧概觀	1
機率、統計與 R 語言	2	1. 敘述性統計
		2. 機率分布
		3. 抽樣與分布 & 假設檢定
		4. 迴歸 & 無母數分析
實戰演練－資料分析與資料視覺化	1
機器學習基礎與演算法	3	1. 監督式學習
		線性回歸 (linear regression, LASSO regression)
		邏輯式回歸 (logistic regression)
		支持向量機 (support vector machine)
		決策樹 (decision tree)
		隨機森林 (random forest)
		梯度提升機 (gradient boosting machine)
		2. 非監督式學習
		主成分分析 (principal componet analysis, PCA)
		K-means (K-means clustering)
		階層式分群 (hierarchical clustering)
		DBSCAN
Python 機器學習程式設計	1
實戰演練－Python 機器學習實作	2
深度學習理論：深層神經網路基礎與卷積神經網路 (Deep Neural Network & Convolution Neural Network, DNN & CNN)	3	1. 深度類神經網路
		深度學習理論基礎：backpropagation, stochastic gradient descent, activation functions
		神經網路校調：hyperparameter tuning, regularization and optimization
		進階優化方式：batch normalization, Swish activation, etc.
		2. 卷積神經網路
		卷積過濾器與影像資料處理
		Data augmentation
		轉移學習
TensorFlow 程式設計	1	1. TensorFlow basics
		2. How to build up a model?
		3. Model training
		4. Model inference
期中考	1
實戰演練－DNN & CNN	2
深度學習理論：遞迴神經網路 (Recurrent Neural Network, RNN)	1	序列資料與遞迴神經網路
		Gated recurrent unit (GRU) and Long short-term memory (LSTM)
		時序資料處理與預測性維護
		自然語言處理與音頻資料處理
實戰演練－RNN	1
深度學習理論：生成式對抗網路 (Generative Adversarial Network, GAN)	1	生成式對抗網路 (GANs)
		何謂生成式對抗網路
		進階生成式對抗網路 (WGAN, EBGAN, infoGAN, etc.)
		Training tips of GANs
實戰演練－GAN	2
深度學習理論：強化學習 (Reinforcement Learning, RL)	2	強化學習基礎
		Markov decision process
		Q-learning & Deep-Q Network
		Policy gradient
		Asynchronous Advantage Actor-Critic (A3C), Deep Deterministic Policy Gradient (DDPG)
實戰演練－Reinforcement Learning	2
深度學習於電腦視覺之應用 (Computer Vision)	1	1. 經典神經網路比較：VGG, ResNet & DenseNet
		2. 深度學習於電腦視覺應用
		影像分類 (image classification)
		物體偵測 (object detection)
		影像分割 (image segmentation)
		影像描述 (image captioning)
實戰演練－Computer Vision	1
深度學習於自然語言處理之應用 (Natural Language Processing, NLP)	1	深度學習於
		聊天機器人 (chatbot)
		情緒分析 (sentiment analysis)
		文字摘要 (text summarization)