課程說明
分類與迴歸導論。最佳化、向量化、梯度下降、成本、損失與啟動函數。人工智慧與人工神經網路的導論與基礎，前向與反向傳播、多層感知器，以及其他類型深度神經網路模型及其在多媒體、網路、金融等之應用。
先修條件
- 先修課程：BIT 2009 與 BIT 2400。
條件與方式
- 另列為 OSS 4005。
- 先修課程：BIT 2009 與 BIT 2400。
- 每週授課三小時。
原文參考文本
Introduction to classification and regression. Optimization, vectorization, gradient descent, cost, loss and activation functions. Introduction and basics to AI, Artificial Neural Networks, forward and backward propagation, Multi Layer Perceptron, and other types of Deep Neural Network models, their applications in multimedia, networks, finance, etc.
- Prerequisite(s): BIT 2009 and BIT 2400 .
- Also listed as OSS 4005 .
- Lectures three hours a week.
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/undergrad/courses/IRM/