Deep learning for physicists

開課單位

物理學系

授課教師

李宛儒、徐銘鍵

時數

18

學分

0.9

課程場次

•   2025/03/14 10:00 ~ 2025/03/14 12:00  2小時/0.1學分 (已超過報名時間)
•   2025/03/21 10:00 ~ 2025/03/21 12:00  2小時/0.1學分 (已超過報名時間)
•   2025/03/28 10:00 ~ 2025/03/28 12:00  2小時/0.1學分 (已超過報名時間)
•   2025/04/11 10:00 ~ 2025/04/11 12:00  2小時/0.1學分 (已超過報名時間)
•   2025/04/18 10:00 ~ 2025/04/18 12:00  2小時/0.1學分 (已超過報名時間)
•   2025/04/25 10:00 ~ 2025/04/25 12:00  2小時/0.1學分 (已超過報名時間)
•   2025/05/02 10:00 ~ 2025/05/02 12:00  2小時/0.1學分 (已超過報名時間)
•   2025/05/09 10:00 ~ 2025/05/09 12:00  2小時/0.1學分 (已超過報名時間)
•   2025/05/16 10:00 ~ 2025/05/16 12:00  2小時/0.1學分 (已超過報名時間)

其他報名

https://forms.gle/E5bKqr5oH5ak7VXZA

地點

物理系 PHY5009

人數限制

50

課程目標

使物理系(或其他自然科學系等非資訊專業科系)學生能了解機器學習基本概念，並能使用Python實現機器學習在物理上的應用。

課程內容

1. 培養物理系學生藉由學習Python語言及相關套件(Keras, Numpy, …等)的使用來協助物理上的研究與學習。
2. 課程以課堂演講相關概念為主(約12小時)，並演示相關的Python程式(約6小時)來讓學生在課程結束後能自行完成基礎機器學習程式，且藉由介紹監督學習在物理研究方面的進展來了解其在物理上的應用。
3. 本課程除了總體機器學習基本概念介紹之外，主要內容以監督學習(supervised learning)為主，課程大綱為:
Gradient descent, Bayesian inference , FNN (Feed-forword neural networks), Backpropagations, CNN (convolutional neural networks), transfer learning and ensemble methods

限修條件

無

參考/指定用書

無

聯絡資訊

聯絡人:李宛儒

信箱:wanjuli@phys.nthu.edu.tw

電話:0953368783

備註

自行準備筆記型電腦。