chapter 01 深度學習的預先知識?

1-1 線性代數 (Linear Algebra)?

1-2 微積分 (Calculus)?

1-3 最佳化理論?

1-4 統計學?

1-5 Python 程式語言介紹?



chapter 02 前饋式神經網路?

2-1 感知機?

2-2 多層感知機?

2-3 深度前饋式神經網路?

2-4 深度神經網路的梯度下降方式?

2-5 過適化問題 (Overfitting Problem)?

2-6 程式範例?



chapter 03 卷積神經網路?

3-1 卷積神經網路架構?

3-2 倒傳遞法進行參數更新?

3-3 數值範例?

3-4 殘差網路?

3-5 程式範例?



chapter 04 遞迴式神經網路?

4-1 遞迴式神經網路?

4-2 序列學習 (Sequential Learning)?

4-3 Elman 神經網路理論模型?

4-4 長短期記憶 (Long Short-Term Memory, LSTM) 模型?

4-5 Peephole 長短期記憶 (Peephole LSTM) 模型?

4-6 GRU (Gated Recurrent Unit) 模型?

4-7 雙向 LSTM (Bidirectional LSTM)?

4-8 程式範例?



chapter 05 侷限型波茲曼模型、深度信念網路及自編碼器?

5-1 侷限型波茲曼模型 (Restricted Boltzmann Machines, RBM)?

5-2 深度信念網路 (Deep Belief Networks, DBN)?

5-3 自編碼器 (Autoencoders)?

5-4 程式範例?



chapter 06 其他網路模型?

6-1 自迴歸模型 (Autoregressive Models)?

6-2 自生成模型 (Generative Models)?

6-3 神經圖靈機?

6-4 注意力模型 (Attention-based Models)?

6-5 程式範例?



chapter 07 強化學習?

7-1 馬可夫決策過程?

7-2 Bellman 方程式?

7-3 深度 Q- 網路 (Deep Q-Network, DQN)?

7-4 政策梯度 (Policy gradients)?

7-5 Advantage Actor-Critic (A2C) Methods?

7-6 程式範例