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	2	1. 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	3	1. 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)	3	1. 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	1	1. TensorFlow basics 2. How to build up a model? 3. Model training 4. Model inference
期中考	1
實戰演練－DNN & CNN	2
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－RNN	1
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－GAN	2
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 Learning	2
深度學習於電腦視覺之應用 (Computer Vision)	1	1. 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 Vision	1
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 Processing	1
期末專題實作	26
期末考	1
期末成果發表會	1
總天數	58

主辦暨執行單位:
財團法人科技生態發展公益基金會
協辦單位:
中央研究院資訊科學研究所、中央研究院資訊科技創新研究中心
贊助企業:
台塑企業、奇美實業、英業達集團、義隆電子、聯發科技、友達光電