课程内容
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。
學員必須具備Python程式語言的能力。