[評價] 106-1 鄭士康 計算認知神經科學
※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：是
哪一學年度修課：
106-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
鄭士康教授
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
電機系所
δ 課程大概內容
摘錄自課程大綱:
1. Science of Cognition
2. Neurons.
3. Brains.
4. NEF Principles 1: Representation.
5..NEF Principles 2: Computation
6. NEF Principles 3: Dynamics
7. Perception and Semantic Pointer Hypothesis
8. Autoencoder
9. Vector Symbolic Architectures and Structured Concepts
10. Basal Ganglia, Thalamus, and Cortex
11. Basal Ganglia, Thalamus, and Cortex
12. Memories
13. Learning in General
14. Reinforcement Learning
15. Spaun Model
16. Emotions
17. Languages
Ω 私心推薦指數(以五分計) ★★★★★
五分
η 上課用書(影印講義或是指定教科書)
台大圖書館有電子書:
C. Eliasmith, How to Build a Brain: A Neural Architecture for Biological
Cognition (Oxford Series on Cognitive Models and Architectures), Oxford
University Press, 2013.
其餘老師推薦的書或書或論文相當的多，幾乎不可能盡讀，可以按照自己的興趣選讀。
μ 上課方式(投影片、團體討論、老師教學風格)
教授每周上課前會寄送用XMIND整理好的上課大綱以及投影片和相關資料
上課基本上就是講這些內容，可以感覺得出來教授對所講的內容
準備相當充分，不會有那種遇到不熟的主題胡亂講一通的問題，上課品質相當好。
σ 評分方式(給分甜嗎？是紮實分？)
這堂課評分方式為兩個各佔30%的作業和一個佔40%的期末作業
分數還沒公佈但從作業成績來看，給分應該不會刁難。
ρ 考題型式、作業方式
這堂課沒有考試，期中和期末作業主題可以自己選自己有興趣的題目實作。
每份作業需要完成一份類似論文格式的書面報告，一份投影片，一份學習心得和
一套程式碼。
主題選定很自由，只要有用到課堂介紹的計算神經學工具即可
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
教授上課相當認真，這堂課下午2:20開始上課，通常2:00以前教授已經在教室準備。
寫作業的話最好已經會基本的Python語言，因為這堂課沒意外的話應該會繼續用
Nengo這個計算神經學程式庫為主。不會點名。
教授人很好，下課常有同學持續與老師討論。
加簽如果沒變的話應該是一類加選，修課的人並不是很多。
Ψ 總結
這門課相當精彩，一開始從神經生物學的基本原理開始介紹，會講解基本的神經元 大腦
的基礎解剖學和生理學概念。另一方面也會講解許多在心理學和認知科學上的研究。
當然這是電資學院的課，所以一定要的就是用程式實作這些認知模型。
教授主要選用Chris Eliasmith所寫的教科書，該研究團隊有開發一個可以模擬
神經訊號的python程式庫Nengo。這堂課主要就是要運用這個library來實作
介紹過的認知模型。當然這不是機器學習或深度學習的課，所以你基本上不能期待
在這堂課學到怎麼用Tensorflow這類東西，但你可以學到這些神經網路當初是基於甚麼
樣的啟發而被發展起來，基本運作的原理也都會詳細介紹。
這堂課不會教你怎麼做AI的炫炮應用，要學那些東西，網路影片就有很多。
但可以學到認知科學和神經科學以及電腦科學怎麼互相影響並形塑出我們目前所知的AI
並提供很多對於開發其他AI的啟發。
總之推薦大家旁聽或修。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.8.192.128
※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1515752138.A.68D.html
推
01/12 22:13,
6年前
, 1F
01/12 22:13, 1F
推
01/14 13:20,
6年前
, 2F
01/14 13:20, 2F