การเรียนรู้เชิงลึกขั้นสูง
4(4-0-12)
วิชาบังคับก่อน: ไม่มี
โมเดลตัวประกอบเชิงเส้น ตัวเข้ารหัสอัตโนมัติ การลดสัญญาณรบกวนในตัวเข้ารหัสอัตโนมัติ การเรียนรู้ตัวแทน วิธีมอนติคาร์โลในการเรียนรู้เชิงลึก โมเดลการเกิดเชิงลึก
เค้าโครงรายวิชา
1. โมเดลตัวประกอบเชิงเส้น (8 ชั่วโมง)
2. ตัวเข้ารหัสอัตโนมัติ (8 ชั่วโมง)
3. การลดสัญญาณรบกวนในตัวเข้ารหัสอัตโนมัติ (8 ชั่วโมง)
4. การเรียนรู้ตัวแทน (8 ชั่วโมง)
5. วิธีมอนติคาร์โลในการเรียนรู้เชิงลึก (8 ชั่วโมง)
6. โมเดลการเกิดเชิงลึก (8 ชั่วโมง)
ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา
1. สามารถวิเคราะห์โมเดลตัวประกอบเชิงเส้น
2. สามารถออกแบบตัวเข้ารหัสอัตโนมัติ และเพิ่มประสิทธิภาพตัวเข้ารหัสอัตโนมัติด้วยการตัดทอนสัญญาณรบกวน
3. สามารถประยุกต์เทคนิคการฝึกล่วงหน้ามาใช้ในการเรียนรู้ตัวแทน
4. สามารถประยุกต์วิธีมอนติคาร์โล และสามารถใช้งานโมเดลการเกิดเชิงลึก
Advanced Deep Learning
Prerequisite: None
Linear factor models, Autoencoders, Denoising autoencoders, Representation
learning, Monte Carlo methods in deep learning, Deep generative models
Course Outline
1. Linear factor models (8 hours)
2. Autoencoders (8 hours)
3. Denoising autoencoders (8 hours)
4. Representation learning (8 hours)
5. Monte Carlo methods in deep learning (8 hours)
6. Deep generative models (8 hours)
Course Learning Outcomes (CLOs)
1. Analyze linear factor models.
2. Design autoencoders and improve the autoencoders’ performance with denoising strategy.
3. Apply pre-train technique to the representation learning
4. Apply Monte Carlo methods. The students can utilize the deep generative models.