1. 首頁
  2. 技術領袖班
  3. 課程大綱

技術領袖培訓班第二期課程大綱

週別期間主題課程內容大綱實作課程
12018/5/12 ~ 2018/5/18課程介紹與人工智慧概觀Python 程式設計基礎速遊
22018/5/19 ~ 2018/5/25機率、統計與R語言1. 敘述性統計與機率分布
2. 參數估計與假設檢定
3. 無母數統計
4. 平滑方法
認識 R 語言與資料前處理與基礎統計分析
32018/5/26 ~ 2018/6/1機率、統計與R語言1. 抽樣方法
2. 迴歸
3. 探索性資料分析與資料視覺化
R 語言探索性資料分析與資料視覺化及進階應用
42018/6/2 ~ 2018/6/8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)
52018/6/9 ~ 2018/6/15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)
62018/6/16 ~ 2018/6/22深度學習理論入門1. 深度學習理論基礎:backpropagation, stochastic gradient descent, activation functions
2. 神經網路校調:hyperparameter tuning, regularization and optimization
Tensorflow 程式設計
72018/6/23 ~ 2018/6/29深度學習理論入門1. 進階優化方式:batch normalization, Swish activation, etc.
2. 卷積神經網路
3. 卷積過濾器與影像資料處理
4. Data augmentation
多層感知器 (MLP) 與捲積神經網路 (CNN) 實作
82018/6/30 ~ 2018/7/6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)
期中考
92018/7/7 ~ 2018/7/13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 LSTM
2. 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
102018/7/14 ~ 2018/7/20深度學習理論:生成式對抗網路 (Generative Adversarial Network, GAN)生成式對抗網路 (GANs):何謂生成式對抗網路生成式對抗網路實作:詩詞產生器專題實作
112018/7/21 ~ 2018/7/27深度學習理論:生成式對抗網路 (Generative Adversarial Network, GAN)進階生成式對抗網路 (WGAN, EBGAN, infoGAN, etc.) Training tips of GANs專題實作
122018/7/28 ~ 2018/8/3深度學習理論:強化學習(Reinforcement Learning, RL)強化學習基礎
1. Markov decision process
2. Q-learning & Deep-Q Network
3. Policy gradient
強化學習實作:Gaming AI專題實作
132018/8/4 ~ 2018/8/10深度學習理論:強化學習(Reinforcement Learning, RL)Asynchronous Advantage Actor-Critic (A3C), Deep Deterministic Policy Gradient (DDPG)專題實作
142018/8/11 ~ 2018/8/17深度學習於電腦視覺之應用1. 經典神經網路比較:VGG, ResNet & DenseNet
2. 深度學習於電腦視覺之應用與案例
進階捲積神經網路於電腦視覺之應用專題實作
152018/8/18 ~ 2018/8/24平行處理與 GPU 程式入門專題實作
162018/8/25 ~ 2018/8/31如何開始一個 AI 新創專題實作
172018/9/1結業典禮 / 成果發表 & 就業媒合會