逢甲資料科學大講堂 – 深入淺出深度學習 (Dive into Deep Learning)

深度學習 (Deep Learning) 是機器學習 (Machine Learning) 中近年來備受重視的一支,深度學習根源於類神經網路 (Artificial Neural Network) 模型,但今日深度學習的技術和它的前身已截然不同,目前最好的語音辨識和影像辨識系統都是以深度學習技術來完成。 你可能在很多不同的場合聽過各種用深度學習做出的驚人應用 (例如:最近紅遍大街小巷的 AlphaGo),聽完以後覺得心癢癢的,想要趕快使用這項強大的技術,卻不知要從何下手學習,以及不知道要如何應用深度學習於各式應用上,那這門課就是你所需要的。

這門課程將由臺大資訊系陳縕儂教授利用短短的一天議程簡介機器學習及深度學習,包含深度學習基礎理論、模型各種變形、及深度學習應用的發展及趨勢。本課程希望幫助大家不只能了解深度學習,也可以了解如何應用深度學習於實際的應用問題上。無論是從未嘗試過深度學習的新手,還是已經有一點經驗想更深入了解,都可以在這門課中有所收穫。

2017 年 10 月 14 日 (星期六) 9:00 – 17:00

逢甲大學第三國際會議廳 (資電館 2F)

 

陳縕儂博士

Yun-Nung Vivian Chen

國立臺灣大學資訊工程系 / 助理教授

陳縕儂,2015年於美國卡內基美隆大學之電腦科學院獲頒博士學位,而後加入美國微軟研究院之深度學習科技中心任研究職務。研究專長包含對話系統、語言理解、以及深度學習。曾獲多次最佳論文獎,近期獲 Google Research Faculty Award 及NVIDIA GTC Best Scientific Research Award。欲瞭解陳博士的研究及經歷,請至她的個人網頁

本次演講將涵蓋下列議題:

  • 什麼是機器學習及深度學習
    簡介機器學習領域中不同的方法,以監督式學習 (Supervised Learning) 為主,並介紹機器學習及深度學習技術中包含的三個主要步驟:1) 設定模型架構、2) 定義目標函數、3) 選擇最好的函數。
  • 深度學習模型之變形及應用
    本節講述深度學習模型兩個常見的變形:捲積式類神經網路 (Convolutional Neural Network, CNN) 不只常用在影像辨識上,應用在圍棋上也成果驚人;循環式類神經網路 (Recurrent Neural Network, RNN) 讓深度學習模型有了記憶力,可以處理更複雜的問題。
  • 深度學習發展及趨勢 – 非監督式學習 & 強化式學習
    深度學習在監督式學習領域已經有較成熟的發展,但是在機器學習中其他領域都才剛起步。這堂課會介紹近期深度學習的最新趨勢,以及深度學習的研究者們近期在意的重要問題。主要介紹並討論非監督式學習 (Unsupervised Learning) 以及強化式學習 (Reinforcement Learning) 領域中深度學習的應用及其效果,並討論深度學習未來之發展。

 ==議程==

9:00 - 9:30報到
9:30-10:30什麼是機器學習與深度學習
10:30-10:50Tea Break
10:50 - 12:30深度學習模型之變形及應用
12:30 - 13:30午餐
13:30 - 15:10 深度學習發展及趨勢 I - 非監督式學習
15:10 - 15:30Tea Break
15:30 - 17:00深度學習發展及趨勢 II - 強化式學習

 

 

立刻報名

 

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *