深度學習11： 局部敏感雜湊（Locality-Sensitive Hashing, LSH）、隨機投影法（Random Projection）、最長共同子序列（ Longest Common Subsequence, LCS）、社會意識（Social Awareness）、Grice's Maxims四原則（ Gricean maxims）

深度學習10： BERT模型詞嵌入層（token embeddings、segment embeddings、position embeddings）、多頭注意力機制（Multi-Head Attention）、自注意力機制（Self-Attention）、遮罩多頭注意力機制（Masked Multi-Head Attention）、位置編碼（Positional Encoding）、局部敏感雜湊（Locality-Sensitive Hashing, LSH）、簽名矩陣（Signature Matrix）

深度學習9：Word2vec模型（Skip gram 及CBOW）、GloVe模型（Global Vectors）、fastText 模型、ELMo模型（Embeddings from Language Model）、語義向量優劣評估、文句嵌入（sentence and document embedding）、BERT模型及BERT-family

深度學習8：雙向長短期記憶模型（Bi-directional Long Short-Term Memory, BiLSTM）、Grid LSTM、修辭結構理論（Rhetorical Structure Theory, RST）、語義詞嵌入（Semantic Word Embedding）、詞向量（Word-vector encoding）、神經語言模型（Neural language model）、Word2vec模型

深度學習7：Elman RNN、Jordan RNN、回聲狀態神經網路（Echo State Network, ESN）、基於時間的反向傳遞演算法（Back Propagation Through Time, BPTT）、長短期記憶模型（Long Short Term Memory, LSTM）、門基循環單元（Gated Recurrent Unit, GRU）

深度學習6：遞歸神經網路（Recurrent Neural Network, RNN）原理及應用、Elman RNN、Jordan RNN

深度學習5：語義詞嵌入（Semantic Word Embedding）、詞向量（Word-Vector Encoding）、連續詞袋模型(Continuous Bag-of-Words Model, CBOW)、跳躍式模型(Skip-Gram Model, SG)

深度學習4：卷積神經網路（Convolutional Neural Network, CNN）、接受域（Receptive field）、墊零與步長（Zero padding & Stride）、池化（Pooling）、全連接層（Fully Connected Layer）、卷積層（Convolution Layer）

深度學習3：梯度裁剪（Clipping Gradient）、參數（Parameters）與超參數（Hyperparameters）、優化器（Optimizer：SGD、ADAM）、自編碼機（AutoEncoder）、降噪自編碼器（Denoising AutoEncoder, DAE）

深度學習2：ZFNet架構、VGGNet架構、GoogLeNet架構、ResNet架構與殘差網路（Residual Nets）、R-CNN（Region-based CNN）、圖像描述生成（Generating Image Descriptions）、Softmax邏輯迴歸、正則化（Regularization：Data Augmentation、Early Stopping、Dropout）

深度學習1：深度學習技術及其優缺、深度神經網路（deep neural network）、通用近似定理（Universal Approximation Theorem）、大規模視覺辨識競賽（ImageNet Large Scale Visual Recognition Competition, ILSVRC）、AlexNet架構、ZFNet架構

機器學習5：反向傳遞法的困境（Problems of Backprop）、訓練資料正確標註（ground truth）、基線（baseline）、資料集分類（訓練集 training set、 驗證集 validation set、測試集test set）、資料擴增（Data Augmentation）