本课程内容包含:人工智能技术演进、深度学习多层神经网络(DNN)和卷积神经网络(CNN)的模型原理,以及相关套件(Tensorflow, Keras)的实作方法。数据可视化呈现、数据前处理和常用机器学习(MLP, Random Forest, Logistic Regression, SVM等)的原理和实作方法。使同学具备影像和数据数据的模型训练、分类、预测和评估的技术。
本課程目標在培養同學具備深度學習和數據分析實作能力,以滿足產業AI人才技能的需求。
【學歷】國立臺灣大學資訊工程學系博士
【經歷】
【專業】圖形演算法、電腦對局、人工智慧、深度學習、數據分析、生物資訊
第1周:人工智能的进展/什么是机器学习?
第2周:类神经网络/MLP案例实作
第3周:卷积式神经网络/CNN影像辨识案例实作
第4周:数据处理工具介绍/MLP数据分析案例实作
第5周:监督式学习/机器学习工具
第6周:监督式学习实作(I)/监督式学习实作(II)
第7周:非监督式学习
一、人工智能的进展二、什么是机器学习?三、类神经网络四、MLP案例实作五、卷积式神经网络六、CNN影像辨识案例实作七、数据处理工具介绍八、MLP数据分析案例实作九、监督式学习十、机器学习工具十一、监督式学习实作(I)十二、监督式学习实作(II)十三、非监督式学习
本課程分為13個主要單元,每個單元依據學習份量,有數段10-15分鐘左右的視頻影片。每個單元內容提供隨堂測驗及議題討論,以幫助學習者快速確認是否瞭解上課內容;每週另有主題作業用以考核學習成果。
1.學習者針對議題回應 。2.同儕推薦及回饋 學習者發起課程相關議題或分享作業成果,並由其他學習者進行推薦或回應。
學員必須具備Python程式語言的能力。
本課程修課通過證明費用:500元
如何申請及下載證書?