流水號
25424
課號
Psy7277
課程識別碼
227 M9280
無分班
- 3 學分
選修
心理學系 / 神經生物與認知科學學程 / 心理學研究所
心理學系
神經生物與認知科學學程
心理學研究所
選修- 黃從仁
- 搜尋教師開設的課程
理學院 心理學系
trhuang@ntu.edu.tw
- 心理學系南館104室
02-33663104
個人網站
http://mil.psy.ntu.edu.tw/~tren
- 臺大104學年度教學傑出獎候選&教學優良獎: http://mil.psy.ntu.edu.tw/~tren/teaching/
- 五 2, 3, 4
請洽系所辦
3 類
修課總人數 50 人
本校 50 人
- 2 個領域專長
- 中文授課
- NTU COOL
- 核心能力與課程規劃關聯圖
- 備註
上課教室為綜401及402教室。
本校選課狀況
已選上0/50外系已選上0/0剩餘名額0已登記0- 課程概述[先備知識] Python (NumPy & Matplotlib)、高中程度微積分、線性代數(基礎矩陣運算)、基本機率與推論統計(T-test, ANOVA, Chi-Square Goodness of Fit, & Regression) 授課教師每週將透過講演的方式系統性地介紹模型建構這個領域──1.對大千世界的各種現象產生機制性的假說; 2.使用數理模型來刻畫這些假說; 3.利用電腦模擬來做計算實驗(computational experiments)以驗證2中的假說。 課程每週將透過神經→心智→(AI)模型這種基礎到應用的課程結構來探討不同的認知能力，並比較古典與當代的認知模型。
- 課程目標本課程將介紹學生如何透過數理模型建構(mathematical modeling)與電腦模擬(computer simulations)來理解人類神經系統與行為的各種現象，並了解人類智慧與人工智慧的異同之處。
- 課程要求0. 本課程參與教務處教學研究案，願意參與研究被行為分析者請至綜合401(未來教室: 容量42人)上課，不願意者請至綜合402(隔壁教室: 容量60人)上課 1. 每週請自行攜帶筆電上課(全學期實體上課)。 2. 每週完成指定的程式作業。
- 預期每週課前或/與課後學習時數請以前幾週完成作業的時間自行評估。
- Office Hour
有任何問題請寄助教+老師信箱: ntu_model@googlegroups.com *此 Office Hour 需要提前預約 - 指定閱讀每週指定的相關文獻。
- 參考書目https://book.compcogneuro.org/
- 評量方式
4% 基本分
有修課就有分
84% 每週作業
7分*12週/次=84分
12% 課程參與
1分*12週/次=12分
- 本校建議 A+ 比例上限為 20% ，非強制規定， 授課教師可依課程要求調整，建議必修課程參考。
- 本校採用等第制評定成績，學生成績評量辦法中的百分制分數區間與單科成績對照表僅供參考，授課教師可依等第定義調整分數區間。詳見 學習評量專區。
- 針對學生困難提供學生調整方式
調整方式 說明 B6 學生與授課老師協議改以其他形式呈現
Mutual agreement to present in other ways between students and instructors
D1 由師生雙方議定
Negotiated by both teachers and students
- 補課資訊
- 課程進度
2/27第 1 週 2/27 Holiday (No Class) 3/6第 2 週 3/6 Introduction (Field/Course Overview) 3/13第 3 週 3/13 [Visual Perception] Unsupervised/Perceptual Learning→Object Recognition 3/20第 4 週 3/20 [Visual Perception] Supervised Learning→Convolutional Neural Networks (CNN) 3/27第 5 週 3/27 [Memory] Neural Representations/Embeddings →Complementary Learning 4/3第 6 週 4/3 Holiday (No Class) 4/10第 7 週 4/10 [Language] Self-supervised Learning→Transformer-based Networks (e.g., GPT) 4/17第 8 週 4/17 [Language] In-context Learning, Supervised Fine-Tuning→Centaur (Foundation Model of Cognition) & Vision Language Models 4/24第 9 週 4/24 [Decision-Making] Neural Competition→Evidence Accumulation→Ensemble/Mixture-of-Experts 5/1第 10 週 5/1 Holiday (No Class) 5/8第 11 週 5/8 [Decision-Making] Reinforcement Learning→Deep RL/Q Networks 5/15第 12 週 5/15 [Planning & Reasoning] Hybrid Learning→Tree Search in AlphaGo/DeepStack 5/22第 13 週 5/22 [Planning & Reasoning] Feedback Alignment→Constrained Tree Search in Reasoning Language Models 5/29第 14 週 5/29 [Social Processing] Environmental/Imitation Learning→Classical Agent-based Models 6/5第 15 週 6/5 Tren out of town (No Class) 6/12第 16 週 6/12 [Social Processing] Distributed/Evolutionary Learning→Villages of AI Agents - 為確保您我的權利，請尊重智慧財產權及不得非法影印。