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
|
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
|
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
|
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)
|
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
|
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
|
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
|
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 |
Copyright© 台灣人工智慧學校 | Taiwan AI Academy 版權所有