週次 | 主題 | 內容大綱 |
---|
1 | 課程介紹與人工智慧概觀 | |
2 | Python 資料處理及探索分析 | - Python 快速上手
- Python 資料處理、分析與視覺化
|
3 | 機率與統計講師課程 機器學習 | |
4 | 機器學習 | - 監督式學習方法 (SVM, decision tree, random forest, etc.)
- 學習理論、泛化與特徵重要性
|
5 | 講師總結 Python & ML 段考 | 實作練習 |
6 | 深度學習 | 深度學習理論基礎:backpropagation, stochastic gradient descent, activation functions神經網路校調:hyperparameter tuning, regularization and optimization訓練優化技巧Data augmentationTensorflow 程式設計手把手及實作練習 |
7 | 講師總結 / 卷積神經網路 | 實作練習 |
8 | 卷積神經網路 | 卷積過濾器與影像資料處理經典神經網路比較:VGG, ResNet & DenseNet進階卷積神經網路於電腦視覺之應用與案例實作練習 |
9 | 遷移學習 / DNN & CNN 段考 | 遷移學習 (Transfer learning) 實作練習 |
10 | 深度學習進階運用 | Track 1 進階卷積神經網路Track 2 遞迴神經網路 / 自然語言處理 |
11-15 | 專題實作 | 實作練習 |
16 | 結業典禮 / 成果發表 | |