中正大學課程大綱
課程名稱(中文)： 深度學習 開課單位： 工學院碩博班(College of Engineering (Graduate))
課程名稱(英文) Deep Learning 課程代碼 4015020_01
授課教師： 學分數 3
必/選修 選修 開課年級 碩博班，大四以上可選修
先修科目或先備能力：
You must have access to GPU equipped with at least 6GB of memory.
實體期中、末評量需求:需實體電腦教室封閉網路環境,需監考人員至少1位。
遠距上課位置:https://meet.google.com/enc-fvqf-iie(優先使用此連結)、https://www.youtube.com/channel/UCKLmWy7V3RXEJpSLvKrTrpg
課程概述：
主導教師：陽明交通大學　彭文孝、陳永昇、謝秉均
教師於課堂中引導式講授目前國際發展最先進之深度學習方法學及其應用,帶領學生原理介紹、數學推導實務應用,熟悉使用深度學習。
The instructor will guide students through the latest international developments in deeplearning methodologies and applications. The course will cover theoretical principles,
mathematical derivations, and practical applications. Students will gain hands-onexperience with deep learning tools.
　(1) 了解深度學習技術的數學基礎
(To understand the maths of deep learning techniques)
　(2) 熟悉深度學習工具(例如 PyTorch、TensorFlow 等)
(To familiarize with deep learning tools, such as PyTorch, TensorFlow, etc.)
　(3) 探討深度學習技術的最新發展及其應用
(To understand the latest developments and applications of deep learning techniques)

1.本門課程為TAICA臺灣大專院校人工智慧學程聯盟課程，採用台灣大學NTU COOL數位學習平臺進行上課。
2.上課時間：每週四 12：20-15：10，線上收播上課連結：https://taicatw.net/spring-114/。
3.本課程為配合「TAICA 臺灣大專院校人工智慧學程聯盟」之學分學程設立，如果同學滿足學程修課要求，可申請TAICA學分學程證書。
4.碩博班課程，大四以上可選修。
學習目標：
1.
教科書：
Deep Learning, 1st Ed.,MIT Press, Dec. 2016, Ian Goodfellow, Yoshua Bengio, Aaron Courville ISBN : 0262035618
Reinforcement Learning: An Introduction, Nov. 2020, Richard S. Sutton, Andrew G. Barto ISBN : 0262039249

課程大綱 分配時數 核心能力 備註
單元主題 內容綱要 講授 示範 隨堂作業 其他
介紹與機器學習基礎
Introduction & Machine Learning
Basics
■ Linear Algebra
■ Probability and Information Theory
■ Numerical Computation
Deep Networks
■ Deep Feedforward Networks
■ Convolutional Networks
Lab 0 Warm up
Convolutional Networks
Convolutional Networks &
Transformers
Convolutional Nets (Lab 2)
Introduction to Reinforcement
Learning
Recurrent and Recursive Nets
(清明連假)
■ Linear Factor Models
■ Autoencoders
Valued Based Reinforcement
Learning
生成對抗網路
(Generative Adversarial Networks)
擴散模型
(Diffusion Models)
Lab 2 Discrete control
規範化流程
(Normalizing Flows)
Lab 3 Diffusion
Policy-based Reinforcement Learning
Model-based Reinforcement Learning
期末考試(Final Exam)
2026-06-04


請尊重智慧財產權，不得非法影印教師指定之教科書籍

教學要點概述：
1. 教材編選(可複選)：自編簡報(ppt)教科書作者提供
2. 教學方法(可複選)：講述板書講述
3. 評量工具(可複選)：上課點名 0%, 隨堂測驗0%, 隨堂作業0%, 程式實作0%, 實習報告0%,
                       專案報告80.00%, 期中考0%, 期末考20.00%, 期末報告0%, 其他0%,
4. 教學資源：課程網站 教材電子檔供下載 實習網站
5. 教學相關配合事項： 4 Labs (done individually) 80% + Final exam 20%

課程目標與教育核心能力相關性        
請勾選：