技術領袖培訓班第一期課程大綱

  • 首頁
  • 技術領袖培訓班第一期課程大綱
主題天數內容大綱
課程介紹 & 人工智慧概觀1
機率、統計與 R 語言21. 敘述性統計
2. 機率分布
3. 抽樣與分布 & 假設檢定
4. 迴歸 & 無母數分析
實戰演練-資料分析與資料視覺化1
機器學習基礎與演算法31. 監督式學習
  • 線性迴歸 (linear regression, LASSO regression)
  • 邏輯式迴歸 (logistic regression)
  • 支持向量機 (support vector machine)
  • 決策樹 (decision tree)
  • 隨機森林 (random forest)
  • 梯度提升機 (gradient boosting machine)
2. 非監督式學習
  • 主成分分析 (principal componet analysis, PCA)
  • K-means (K-means clustering)
  • 階層式分群 (hierarchical clustering)
  • DBSCAN
Python 機器學習程式設計1
實戰演練-Python 機器學習實作2
深度學習理論:深層神經網路基礎與卷積神經網路 (Deep Neural Network & Convolution Neural Network, DNN & CNN)31. 深度類神經網路
  • 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
  • 進階優化方式:batch normalization, Swish activation, etc.
2. 卷積神經網路
  • 卷積過濾器與影像資料處理
  • Data augmentation
  • 轉移學習
TensorFlow 程式設計11. TensorFlow basics
2. How to build up a model?
3. Model training
4. Model inference
期中考1
實戰演練-DNN & CNN2
深度學習理論:遞迴神經網路 (Recurrent Neural Network, RNN)1序列資料與遞迴神經網路
  • Gated recurrent unit (GRU) and Long short-term memory (LSTM)
  • 時序資料處理與預測性維護
  • 自然語言處理與音頻資料處理
實戰演練-RNN1
深度學習理論:生成式對抗網路 (Generative Adversarial Network, GAN)1生成式對抗網路 (GANs)
  • 何謂生成式對抗網路
  • 進階生成式對抗網路 (WGAN, EBGAN, infoGAN, etc.)
  • Training tips of GANs
實戰演練-GAN2
深度學習理論:強化學習 (Reinforcement Learning, RL)2強化學習基礎
  • Markov decision process
  • Q-learning & Deep-Q Network
  • Policy gradient
  • Asynchronous Advantage Actor-Critic (A3C), Deep Deterministic Policy Gradient (DDPG)
實戰演練-Reinforcement Learning2
深度學習於電腦視覺之應用 (Computer Vision)11. 經典神經網路比較:VGG, ResNet & DenseNet
2. 深度學習於電腦視覺應用
  • 影像分類 (image classification)
  • 物體偵測 (object detection)
  • 影像分割 (image segmentation)
  • 影像描述 (image captioning)
實戰演練-Computer Vision1
深度學習於自然語言處理之應用 (Natural Language Processing, NLP)1深度學習於
  • 聊天機器人 (chatbot)
  • 情緒分析 (sentiment analysis)
  • 文字摘要 (text summarization)
實戰演練-Natural Language Processing1
期末專題實作26
期末考1
期末成果發表會1
總天數58