【日期】 2017/7/26(三)，7/27(四)

【時間】 ■09:10~12:00 ■13:20~16:10

【地點】 計中 106 教室（階梯教室）

【費用】 臺灣大學及國立臺灣大學系統 1000 元，其他 2000 元

【主辦單位】國立臺灣大學計算機及資訊網路中心（臺大計中）

【協辦單位】國立臺灣大學電機系

國立臺灣大學電機系 李宏毅 教授

現為臺大電機系助理教授，他的研究主軸是以機器學習技術讓機器辨識並理解語音訊號的內容。
以深度學習技術為基石，他正致力於語音數位內容搜尋、語音數位內容之自動化組織以及從語音數位內容擷取關鍵資訊等前瞻性研究，這些技術有很多的應用，例如：
人機互動、問答系統、智慧型線上教學平台等等。
他曾在資料科學愛好者協會講授《一日搞懂深度學習》四次，他在臺大開設的機器學習相關課程錄影請見：
課程錄影

深度學習 (Deep Learning) 是機器學習 (Machine Learning) 中近年來備受重視的一支，眾所周知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：AlphaGo)。本課程希望幫助大家不只能了解深度學習，有效率地上手深度學習，用在手邊的問題上，也能了解深度學習最前沿的技術。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學習，都可以在這門課中有所收穫。

本課程第一天將介紹深度學習的基本知識，第一天課程包含以下四部分：
1.什麼是深度學習
深度學習的技術其實就是三個步驟：
(1)設定類神經網路架構、(2)訂出學習目標、(3)開始學習。
另外，這堂課會簡介如何使用深度學習的工具 Keras。
2.深度學習的各種小技巧
雖然現在深度學習的工具滿街都是，想要寫一個深度學習的程式只是舉手之勞，但要得到好的成果可不簡單，訓練過程中的一些小技巧才是成敗的關鍵。本課程中將分享深度學習的實作技巧及實戰經驗。
3.深度學習模型的各種變形
這堂課要講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；遞迴式類神經網路 (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。
4.序列到序列學習與專注機制
有了序列到序列學習 (Sequence-to-sequence learning) 與專注機制 (Attention Mechanism) 深度學習可以處理的問題又更廣了，如今機器翻譯、語音辨識等問題都可以用一個類神經網路直接解掉。

本課程第二天將介紹深度學習的前沿技術，第二天課程包含以下四部分：
1.什麼是生成式對抗網路 (Generative Adversarial Network, GAN)
生成式對抗網路顯然是深度學習的下一個熱點，在生成式對抗網路中包含了兩個網路：生成器 (Generator) 和鑑別器 (Discriminator) ，這兩個網路「寫作敵人，唸做朋友」，表面上彼此對抗、但實際上因為互相激勵所以越來越強。
2.生成式對抗網路訓練技巧
原始的對抗網路訓練不易，於是有了種種改進的版本，例如: WGAN
3.生成式對抗網路的各種變形
生成式對抗網路相關技術不斷推陳出新，每次有新的技術就會在 GAN 前面再加一個英文字母(例如: WGAN)，但英文字母很快就不夠用了。
4.增強式學習
大家都知道 Alpha Go背後用的就是增強式學習技術，增強式學習和生成式對抗網路又有什麼關係呢？

第一天: 基本技術介紹	第二天: 前瞻技術介紹
什麼是深度學習 深度學習模型訓練技巧 深度學習模型的各種變形 序列到序列學習 (Sequence-to-sequence learning) 和專注機制 (Attention Mechanism)	什麼是生成式對抗網路 (Generative Adversarial Network, GAN) 生成式對抗網路訓練技巧 生成式對抗網路的各種變形 增強式學習

本課程旨介紹深度學習，適合希望了解並使用這項技術的開發人員，有機器學習相關背景知識上課更能進入狀況，但沒有也沒關係。

1.本課程不供餐，不提供上課證明或證書。
2.如因報名人數過多，本中心得更換教室。請學員務必於上課前三日，上網確認上課地點。