課程說明
機器學習基礎；多層感知機、通用逼近定理、反向傳播；捲積網路、循環神經網路、變分自編碼器、生成對抗網路；深度學習的元件與技術；馬可夫決策過程；Bellman 方程、策略疊代、價值疊代、蒙地卡羅學習、時序差分方法、Q learning、SARSA、應用。
原文參考文本
Fundamentals of machine learning; multi-layer perceptron, universal approximation theorem, back-propagation; convolutional networks, recurrent neural networks, variational auto-encoder, generative adversarial networks; components and techniques in deep learning; Markov Decision Process; Bellman equation, policy iteration, value iteration, Monte-Carlo learning, temporal difference methods, Q learning, SARSA, applications.
來源與參考
保留日期與來源以協助你核實資料。為便於閱讀提供譯文；官方來源為條件與要求的參照。
來源參考 : https://calendar.carleton.ca/grad/courses/COMP/