本课程内容包含：人工智能技术演进、深度学习多层神经网络（DNN）和卷积神经网络（CNN）的模型原理，以及相关套件（Tensorflow Keras）的实作方法。资料视觉化呈现、资料前处理和常用机器学习（MLP Random Forest Logistic Regression SVM等）的原理和实作方法。使同学具备影像和数据资料的模型训练、分类、预测和评估的技术。

本课程目标在培养同学具备深度学习和数据分析实作能力，以满足产业AI人才技能的需求。

第6周:监督式学习实作(I)／监督式学习实作(II)

本课程分为13个主要单元，每个单元依据学习分量，有数段10-15分钟左右的视频影片。每个单元内容提供随堂测验及议题讨论，以帮助学习者快速确认是否了解上课内容；每周另有主题作业用以考核学习成果。

线上观看影音教材（10%）：提升学生自主学习动机，根据浏览纪录进行评分。

随堂测验（30%）：针对回答的正确性进行评分。

2.同侪推荐及回馈 学习者发起课程相关议题或分享作业成果，并由其他学习者进行推荐或回应。

主题作业（20%）：针对作业主题学习模型的效率进行评分。

总结性评量（20%）：针对作业主题设定的创意性和可行性、资料搜集的丰富性及学习模型的效率进行评分。

浏览器支援Google Chrome、Mozilla Firefox、Safari，电脑5M/384K以上带宽，行动载具建议3G以上网络。