第一章 環境建置

1-1 MATLAB 介紹

1-2 MATLAB 與相關工具箱安裝

1-3 深度學習相關套件安裝

1-4 GPU 加速運算介紹



第二章 數據標記與常見工具介紹

2-1 基本資料標記(How to label image data into MATLAB)

2-2 影像感興趣區域標記

2-3 圖像預處理

2-4 資料擴增(Data Augmentation)



第三章 深度學習常見模型與函式語法介紹

3-1 卷積神經網路(convolution neural network, CNN)

3-2 卷積神經網路網路模型相關函式語法介紹

3-3 遞歸神經網路(recurrent neural network, RNN)

3-4 遞歸神經網路模型相關函式語法介紹

3-5 自動編碼器介紹(auto encoder)

3-6 自動編碼器相關函式語法與範例介紹



第四章 網路訓練參數與資料擴增之相關函式語法介紹

4-1 訓練網路的相關參數設置

4-2 模型預測與效能評估

4-3 圖像資料擴增



第五章 預訓練模型與遷移式學習

5-1 預訓練模型

5-2 遷移式學習(transfer learning)



第六章 Deep Network Designer

6-1 建立網路模型

6-2 修正模型

6-3 使用Deep Network Designer 進行遷移學習



第七章 Experiment Manager

7-1 Experiment Manager 介面

7-2 使用Experiment Manager 訓練深度學習網路用於分類問題

7-3 使用Experiment Manager 訓練深度學習網路用於迴歸問題

7-4 使用多個預訓練模型進行遷移學習



第八章 CNN 實戰範例

8-1 CIFAR-10 圖像分類

8-2 檢查點(Checkpoint)設置

8-3 深度學習應用於網路攝影機影像分類

8-4 卷積經神經網路的學習內容可視化

8-5 深度學習應用於物件偵測

8-6 深度學習應用於語義分割



第九章 LSTM 實戰範例

9-1 深度學習應用於時間序列

9-2 序列的分類範例

9-3 序列到序列使用LSTM 的人類動作分類(human activity)

9-4 序列到序列的迴歸範例



第十章 進階範例-生成式網路

10-1 自定義的網路訓練迴圈

10-2 生成對抗網路

10-3 常見的GAN 訓練失敗模式

10-4 條件式生成對抗網路

10-5 神經風格轉換

10-6 後語