◎系所教育目標：
本系發展方向除了著重資訊科技的基礎理論之外，更將透過跨院、系的合作計畫，結合本校農學、教育相關系所與生物(生命)相關系所之教學研究、使生命科技和教育與資訊科技相結合。配合國家建設及產業發展之需要，本系博士班除了為國家培育高級資訊科技專業人才外，更配合政府重要經建政策之推行，協助南部地區產業資訊自動化，進而達到平衡區域發展的目的。順應世界學術發展之潮流，培育有能力研發及應用資訊技術的專業人才，進而提升國家整體的競爭力。本系博士班，提供更完備資訊科技相關研究之環境，培育資訊技術的專業人才，以符合世界學術發展的潮流。為促進科技整合及國際學術合作，本校在既有教育、農業、及生命科技等領域方向已具備相當卓越的研究成果，本系博士班在此基礎上，結合資訊科技共同發展，為學術發展做更大的貢獻，發揮科技整合的優點。 |
| ◎核心能力 | 關聯性 |
| 1.具備資訊相關之進階專業知識及應用發展 | 3 關聯性中等 |
| 2.具備發掘、分析問題之能力，並能規劃及執行專題研究 | 3 關聯性中等 |
◎本學科學習目標：
本學科之學習目標為運用機器學習方法從資料中學習統計模式，藉以解決人工智慧上之問題。本科目基於深度學習法則，以自然語言處理為課程討論內容，進行教學與討論。本課程將導入國內外關於機器學習之多媒體教學材料，以增廣學生之學習層面。學生在修習完本課程後，預計可以對於機器學習之數學模型、軟體開發、系統應用達到能知能用之目標。 |
| ◎教學進度： |
| 週次 | 主題 | 教學內容 | 教學方法 |
01
| 課程簡介 | 1.教學大綱
2.授課內容
3.上課規定
4.評分標準 | 口頭報告、講授、討論。 |
02
| Intro to NLP and Deep Learning | 基本原理講解 | 口頭報告、講授、討論。 |
03
| Simple Word Vector representations: word2vec | 基本原理講解 | 口頭報告、講授、討論。 |
04
| Advanced word vector representations: language models, softmax, single layer networks | 基本原理講解 | 口頭報告、講授、討論。 |
05
| Neural Networks and backpropagation -- for named entity recognition | 基本原理講解 | 口頭報告、講授、討論。 |
06
| Neural Networks and Back-Prop | 基本原理講解 | 口頭報告、講授、討論。 |
07
| Practical tips: gradient checks, overfitting, regularization, activation functions, details | 基本原理講解 | 口頭報告、講授、討論。 |
08
| 問題與討論 | 基本原理講解 | 口頭報告、講授、討論。 |
09
| Recurrent neural networks -- for language modeling and other tasks | 基本原理講解 | 口頭報告、講授、討論。 |
10
| GRUs and LSTMs -- for machine translation | 基本原理講解 | 口頭報告、講授、討論。 |
11
| Recursive neural networks -- for parsing | 基本原理講解 | 口頭報告、講授、討論。 |
12
| Recursive neural networks -- for different tasks (e.g. sentiment analysis) | 基本原理講解 | 口頭報告、講授、討論。 |
13
| RNN 問題與討論 | 基本原理講解 | 口頭報告、講授、討論。 |
14
| Convolutional neural networks -- for sentence classification | 基本原理講解 | 口頭報告、講授、討論。 |
15
| Speech recognition | 基本原理講解 | 口頭報告、講授、討論。 |
16
| Efficient implementations and GPUs | 基本原理講解 | 口頭報告、講授、討論。 |
17
| Applications of Deep Learning to Natural Language Processing | 基本原理講解 | 口頭報告、講授、討論。 |
18
| 期末評量 | 基本原理講解 | 口頭報告、講授、討論。 |
◎課程要求：
本課程會以美國史丹佛大學相關課程之多媒體教學材料輔助教學，其內容均為英文講解，參與本課程的學生應對英文聽講具有一定程度。 |
◎成績考核
課堂參與討論30%
期中考20%
期末考20%
口頭報告30%
|
◎參考書目與學習資源
1.http://cs224d.stanford.edu/
2.https://class.coursera.org/ntumlone-002/
3.Yaser S. Abu-Mostafa, Malik Magdon-Ismail and Hsuan-Tien Lin (2012). “Learning From Data.” AMLbook.com
4. |
| ◎教材講義 請改以帳號登入校務系統選擇全校課程查詢方能查看教材講義 |