按此列印  
                           
   
  請尊重智慧財產權，課程教材不得非法影印。  
  佛光大學
Fo Guang University
教學計畫表 Syllabus		  
 
課程中文名稱
Course Name in Chinese 		類神經網路及深度學習
課號
Course Code 		TECH5AAA00
課程英文名稱
Course Name in English		 Artificial Neural Networks & Deep Learning
學年/學期
Academic Yeas/Semester		 114 /1
開課單位/學門別
Department/Academic Discipline		 應用科技與設計學院碩士班
學制別
Degree		 碩士班
學分數
Credits		  3    
每週授課時數
Weekly Hours of Instruction 		 3   
修別
Type		 選修 Elective
課/學程別
Program		 學系專業選修Specialized Elective
課程分流
 雙軌學習型
課程內容
Curriculum attribute
■實作 ■一般課程
AI暨智慧永續發展
 AI暨智慧課程:AI專業課程    永續發展課程: 否
16+2課程 否
教學方法
Instructional Strategies
■講授 ■分組討論
授課教師
Instructor		 駱至中
聯絡方式
locc@mail.fgu.edu.tw
03-9871000 # 23211
上課時間/地點
Time of Class/Location of Class		 五.2,3,4(U108)
先修課程
Prerequisites
課程描述（若為實務型課程需含搭配產業界或非營利組織需求之說明）
Course Description
 
介紹⼈⼯智慧技術中「類神經網路」/「深度學習」各常⽤或常⾒模式的基本原理、學習模式及演算法、網路架構、訓練/學習及運作模式、應⽤實例以及未來研究發展⽅向等相關議題。 讓同學們對類神經網路技術的重要模式與實際應⽤有全⾯性的認識與瞭解，藉以奠定進⼀步研究探討⼈⼯智慧和機器學習的基礎能⼒。
這段「課程描述」寫得非常連貫且具備完整的學術架構。為了配合您在「類神經網路及深度學習」課程大綱中的專業度，這裡為您提供三種不同風格的英文翻譯，您可以直接複製最符合需求的一組貼進系統中：

1. 專業學術 / 課綱標準風格（語氣流暢、用詞精準，最推薦）
This course introduces the fundamental principles, learning modes, algorithms, network architectures, training/learning and operational mechanisms, practical applications, and future research directions of commonly used and standard models within "Artificial Neural Networks" and "Deep Learning" technologies. The objective is to provide students with a comprehensive understanding of the vital models and practical applications of neural network technology, thereby establishing the foundational capabilities required for further research and exploration in artificial intelligence and machine learning.
 
課程目標 （若為實務型課程請具體描述該課程所要培養之實務能力)
Course Objectives
序號目標描述
1類神經網路的理論及概念Understand the theories and concepts of artificial neural networks.
2類神經網路及深度學習的學習模式及塑模過程Understand the learning modes and modeling processes of artificial neural networks and deep learning.
3類神經網路及深度學習的實際應⽤範例Understand practical application examples of artificial neural networks and deep learning.
4類神經網路及深度學習的相關⼯具/實作軟體應⽤Understand practical application examples of artificial neural networks and deep learning.
授課進度表
Weekly Schedule
週次內容備註
1課程簡介和相關規定說明 / Course introduction and relevant regulations 
2神經網路的概要介紹 / Basic Concepts of Neural Networks (Artificial and Biological NN's) 
3相關背景知識補充： 多維陣列、數值微分及線性代數 / Related background knowledge: Multidimensional arrays (Tensors), numerical differentiation and linear algebra 
4雙十國慶 放假 / National Holiday 
5類神經網路的學習模式及最佳化搜尋 / Learning Model and Optimization Search of Artificial Neural Networks 
6監督式學習的類神經網路 / Supervised Learning & Feedforward neural networks 
7[專題演講] - 類神經網路與深度學習的開發平台 / Introduction to TensorFlow & PyTroch 
8倒傳遞類神經網路(EBPNN) / Error Back propagation neural networks 
9類神經網路⼯程與類神經網路的效能評估 / Neural network engineering and Performance evaluation of Artificial neural networks 
10期中評量及期末專題提䅁 / Mid-term assessment and final project proposal試範圍： 1~9週上課內容
11非監督式學習的類神經網路 / Unsupervised Learning for Artificial Neural Networks 
12卷積式類神經網路的架構和運作原理 / The architecture and operation principle of Convolutional Neural Network (CNN) 
13[專題演講] - 卷積式類神經網路的實作及應⽤實例 / Implementation and application examples of convolutional neural networks 
14卷積式類神經網路的實作演練 / Convolutional Neural Network Implementation Walkthrough 
15生成式AI 與深度學習類神經網路 (1/2) / Generative AI and Deep Learning Neural Networks (Part I) 
16生成式AI 與深度學習類神經網路 (2/2) / Generative AI and Deep Learning Neural Networks ((Part II) 
17深度學習的進階應用 + 課程總結 / Advanced Applications of Deep Learning & Course Summary 
18期末評量 - 期末專題報告 / Final Assessment - Final Project Demonstrations 
　
學期成績計算及多元評量方式
Grading Policy
項次配分項目/catagory配分比例/Percentage會考測驗/general_test實務操作/accounting_practice專題發表/case_presentation其他/other
1平時成績/Asssignments 20% 實作作業  
2期中考成績/Midterm Exam 30%筆試上機測試進度報告 
3期末考成績/Final Exam 40%  學期實作專題 
4其他/other 10%   課堂參與
主要參考書目
References

指定閱讀
Required Readings

同主要參考書⽬
教師座談/晤談地點與時間
Course Management SystemInstructor' Office and Office hours

星期二和三的上午、星期四下午或課後於 U407研究室
學生請假規則

 1. 學生請假悉依本校「學則」及「學生請假辦法」規定辦理。
2. 依本校「學則」第33條，曠課一小時，以缺課二小時論。學生某一科目之缺課總時數達該科全學期授課時數三分之一，經該科教師扣考後，即不准參加該科目之學期各項學習成績考試或評量。
課程平台

 http://elearn.fgu.edu.tw