開學介紹 | - 課程暨環境介紹
- 人工智慧概論
| |
機率與統計 | - 敘述統計與機率分佈
- 參數估計與假設檢定
- 資料處理方法 (資料轉換)
- 探索式資料分析與統計圖表
| |
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
|
生成對抗網路 | - Vanilla GAN
- Conditional GAN
- Unsupervised Conditional GAN
| 生成對抗網路實作
|
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
| |