|
教室 : 資電118 |
教師 : 郭士煒 | 時間 : (一) 2,3,4 | |
|
|||
|
1.明白與理解自然語言與深度學習的各種理論基礎。 2.分析實驗結果與詮釋數據的能力。 |
| 週次 | 日期 | 上課內容 | 備註 |
一
|
2/26 | Syllabus 課程介紹 |
|
二
|
3/5 | Paradigms of AI: From Symbolic Logic to Connectionism AI 的範疇：從符號邏輯到連結主義 |
|
三
|
3/12 | Intro to Natural Language Processing 自然語言處理導論 |
|
四
|
3/19 | Statistics-Based NLP (Basic) 基於統計的自然語言處理（基礎） |
|
五
|
3/26 | Statistics-Based NLP (Weighting) 基於統計的自然語言處理（加權） |
|
六 |
4/2 | Vectorization I: Word Embeddings 向量化 I：詞向量 |
|
七 |
4/9 | Vectorization II: Advanced & Optimization 向量化 II：進階與最佳化 |
|
八
|
4/16 | Sentiment Analysis: Application 情緒分析：應用 |
|
九
|
4/23 | Mid exam 期中考 |
|
十 |
4/30 | Chinese NLP: Segmentation Algorithms & Dictionarys 中文自然語言處理：分詞演算法與詞典 |
|
十一
|
5/7 | Introduction to Generative AI 生成式 AI 簡介 |
|
十二 |
5/14 | Deep Learning: Sequence Models 深度學習：序列模型 |
|
十三 |
5/21 | Transformer Architecture I: Encoder Models (BERT) Transformer 架構 I：編碼器模型 (BERT) |
|
十四 |
5/28 | Transformer Architecture II: Decoder Models (GPT) Transformer 架構 II：解碼器模型 (GPT) |
|
十五 |
6/4 | Project I: Text Classification & Fine-tuning 專案 I：文本分類與微調 |
|
十六 |
6/11 | Project II: Text Generation & Evaluation 專案 II：文本生成與評估 |
|
十七 |
6/18 | Final project 期末專題 |
|
十八 |
6/25 | Final project 期末專題 |