※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID）
（是／否／其他条件）：是
哪一学年度修课：
106-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
郑士康教授
λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关)
电机系所
δ 课程大概内容
摘录自课程大纲:
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 私心推荐指数(以五分计) ★★★★★
五分
η 上课用书(影印讲义或是指定教科书)
台大图书馆有电子书:
C. Eliasmith, How to Build a Brain: A Neural Architecture for Biological
Cognition (Oxford Series on Cognitive Models and Architectures), Oxford
University Press, 2013.
其余老师推荐的书或书或论文相当的多，几乎不可能尽读，可以按照自己的兴趣选读。
μ 上课方式(投影片、团体讨论、老师教学风格)
教授每周上课前会寄送用XMIND整理好的上课大纲以及投影片和相关资料
上课基本上就是讲这些内容，可以感觉得出来教授对所讲的内容
准备相当充分，不会有那种遇到不熟的主题胡乱讲一通的问题，上课品质相当好。
σ 评分方式(给分甜吗？是扎实分？)
这堂课评分方式为两个各占30%的作业和一个占40%的期末作业
分数还没公布但从作业成绩来看，给分应该不会刁难。
ρ 考题型式、作业方式
这堂课没有考试，期中和期末作业主题可以自己选自己有兴趣的题目实作。
每份作业需要完成一份类似论文格式的书面报告，一份投影片，一份学习心得和
一套程式码。
主题选定很自由，只要有用到课堂介绍的计算神经学工具即可
ω 其它(是否注重出席率？如果为外系选修，需先有什么基础较好吗？老师个性？
加签习惯？严禁迟到等…)
教授上课相当认真，这堂课下午2:20开始上课，通常2:00以前教授已经在教室准备。
写作业的话最好已经会基本的Python语言，因为这堂课没意外的话应该会继续用
Nengo这个计算神经学程式库为主。不会点名。
教授人很好，下课常有同学持续与老师讨论。
加签如果没变的话应该是一类加选，修课的人并不是很多。
Ψ 总结
这门课相当精彩，一开始从神经生物学的基本原理开始介绍，会讲解基本的神经元 大脑
的基础解剖学和生理学概念。另一方面也会讲解许多在心理学和认知科学上的研究。
当然这是电资学院的课，所以一定要的就是用程式实作这些认知模型。
教授主要选用Chris Eliasmith所写的教科书，该研究团队有开发一个可以模拟
神经讯号的python程式库Nengo。这堂课主要就是要运用这个library来实作
介绍过的认知模型。当然这不是机器学习或深度学习的课，所以你基本上不能期待
在这堂课学到怎么用Tensorflow这类东西，但你可以学到这些神经网络当初是基于什么
样的启发而被发展起来，基本运作的原理也都会详细介绍。
这堂课不会教你怎么做AI的炫炮应用，要学那些东西，网络影片就有很多。
但可以学到认知科学和神经科学以及电脑科学怎么互相影响并形塑出我们目前所知的AI
并提供很多对于开发其他AI的启发。
总之推荐大家旁听或修。