(0) 課程名稱 :Class 04 感知器與類神經網路
(1) 本次課程章節 :
Session 1: 實驗感知器，撰寫簡易的分類程式
Session 2: 拆解感知器演算法的原理-倒傳遞法(Backpropagation)的使用，以及討論感知器的發展歷史。
Session 3:[深入單元] 二類 Logistic Regression 統計建模(Statistical Modeling)和感知器機器學習(Machine Learning)的殊途同歸。
建議閱讀論文:
* Backpropagation : Learning representations by back-propagating errors (1986) Rumelhart, D. E., Hinton, G. E., & Williams, R. J.
* Logistic Regression : The Regression Analysis of Binary Sequences (1958) D. R. Cox
(2) 課程簡介 :
本次課程將在Q1(一月-三月)的回歸模型基礎上，介紹感知器與類神將網路的基礎概念。利用計算實驗來讓大家玩玩看基本的類神經網路演算法，並介紹反向傳播法。
不同於去年的活動，本次將在[深入單元]當中，首次從統計建模的角度，切入二類 Logistic Regression與感知器機器學習的殊途同歸。
歡迎完全沒有基礎的朋友一起來練功!不必擔心數學不好會聽不懂跟不上，我們會盡量用直觀的方式讓大家能兼具理論和實作的訓練，歡迎大家來參加歐!
(3) 講師簡介 : 楊明翰 (www.epics.at.tw ) 目前資訊科學系碩士班，默默耕耘於人工智慧領域。
(4) 目標對象：有聽過機器學習但想要入門的年輕夥伴。
(5) 課程時間：2019年 4月20日 週六 下午01:30～5:00
(6) 課程地點：TAF空總創新基地社會創新實驗中心： (台北市大安區仁愛路三段55號) A2教室。 (7) 人數限制：40人(多的可能需要站著)
(8) 參與費用：免費，因為資源有限，尤其是平均20頁的講義,基於環保愛地球的心, 如果缺席並未告知，將記名取消再次參與的資格，謝謝。
(9) 攜帶物品 : 筆記本、筆 (練習推導公式用) 、筆電、Python 開發環境 (實驗用)。
(10) 為了品質與課程延續性，本次課程的授課講義仍舊是與前幾堂課的活動所撰寫與編排類似，建議前幾堂有參加過的夥伴，可以攜帶講義來做個對比歐!
