| 開學介紹 |
- 課程暨環境介紹
- 人工智慧概論
|
|
| 機率與統計 |
- 機率與統計基本概念
- 缺失值處理、資料轉換、重抽法則
- 探索式資料分析
|
|
| Python |
- Python 程式設計
- Python 資料處理與分析
- Python 資料視覺化
|
Python 快速上手 Python 資料處理、分析與視覺化 |
| 機器學習 |
- 線性迴歸
- 羅吉斯迴歸與 KNN
- 支持向量機
- 決策樹系列
- 非監督式學習
- 實務重點
|
機器學習實作 與 Kaggle 實戰
|
| 深度學習 |
- 深度學習理論基礎
- 神經網路調校
- 深度學習常見問題
|
深度學習實作 與 Kaggle 實戰
|
| 卷積神經網路與電腦視覺 |
- 電腦視覺基礎
- 卷積神經網路概念
- 經典模型介紹
- 物件偵測
- 圖像分割
- 遷移式學習
|
卷積神經網路實作 與 Kaggle 實戰 期中考
|
| 循環神經網路 |
- RNN
- LSTM 與 GRU
- Seq2seq Model
- Attention Mechanism
|
循環神經網路實作
|
| 圖像生成 |
- Introduction to Image Generation
- Generative Adversarial Network
- Diffusion Models
- CLIP based Generative Models
|
圖像生成實作
|
| 自然語言處理 |
- 字義表示
- 詞向量與詞嵌入
- 注意力機制複習
- Transformer
- BERT與其他模型
|
自然語言處理實作 |
| 學員專題實作 |
- 專題提案與審核
- 專題實作
- 成果發表
|
|