技術領袖培訓班 課程大綱

  • 首頁
  • 技術領袖培訓班 課程大綱
週別主題課程內容大綱實作課程
1課程介紹與人工智慧概觀Python 快速上手與爬蟲實務
2機率與統計1. 敘述性統計、機率分布與抽樣方法2. 參數估計與假設檢定3. 無母數統計4. 迴歸分析Python 資料處理、分析與視覺化
3機器學習基礎與演算法1. 機器學系概論2. 迴歸與維度縮減3. 非監督式學習方法機器學習實作 (一)
4機器學習基礎與演算法1. 監督式學習方法 (SVM, decision tree, random forest, etc.)2. 學習理論、泛化與特徵重要性機器學習實作 (二)
5深度學習理論入門1. 深度學習理論基礎:backpropagation, stochastic gradient descent, activation functions2. 神經網路校調:hyperparameter tuning, regularization and optimization深度學習基礎實務、Tensorflow 程式設計與多層感知器 (MLP)
6深度學習理論入門1. 訓練優化技巧2. 卷積神經網路3. 卷積過濾器與影像資料處理4. Data augmentation卷積神經網路 (CNN) 與遷移學習 (Transfer learning) 實作
7深度學習於電腦視覺之應用1. 經典神經網路比較:VGG, ResNet & DenseNet2. 深度學習於電腦視覺之應用與案例進階卷積神經網路於電腦視覺之應用
8深度學習於自然語言處理(Natural Language Processing, NLP)深度學習於1. 聊天機器人 (chatbot)2. 情緒分析 (sentiment analysis)3. 文字摘要 (text summarization)自然語言處理與文字探勘 (NLP)
9深度學習理論:遞迴神經網路(Recurrent Neural Network, RNN)序列資料與遞迴神經網路基礎1. GRU and LSTM2. 時序資料處理與預測性維護3. 自然語言處理與音頻資料處理遞迴神經網路 (RNN) 實作:情感分析與新聞標題產生
期中考
10-15專題實作與讀書會分享專題實作
16結業典禮 / 成果發表