課程介紹
本課程內容透過AI深度學習和機器學習等方法,讓電腦自動學習和校正,準確率大大提升,並透過RNN、LSTM、GPT各式類神經網路學習演算法,可應用於製造業人工視覺、自然語言處理、語意分析判讀等領域。同時在巨量資料中如何摸索出數據所要表達的意涵、提煉出「數據精華」是非常重要的課題,「機器學習」與「資料探勘(Data Mining)」便成為大數據時代中的重點領域。本課程現已成為大數據趨勢中的重點,預期將能帶領學員通過實作方法,靈活爬取大型網站的數據,並依照自訂規則獲得所需的數據。課程將配合Python程式範例介紹學習演算法,示範如何捕獲數據、訓練數據、創建模型、預測結果,圖表化、分析結果。課程內容也包含扎實的數據基礎及統計分析,將傳授數據分析相關知識和高等數學及數據分析基礎概念。參訓學員需具備基本程式語言基礎。
課程對象
具備Python程式設計相關經驗與基礎知識,具備Python 和 AI 基礎 或 已參加「人工智慧 深度學習Python Tensorflow開發實作」訓練 。
課程大綱
。自然語言NLP 基礎理論
。合成語音程式開發
。自製合成語音程式開發
。語音轉檔案wave
。中文、英文語音輸入使用Google API
。語音轉文字函示庫
。全語音對話機器人的設計
。文字分詞處理
。文章重點取得
。中文字的分詞處理
。繁體簡體字處理
。對話與庫設計
。Open Data 資料取得
。網路資料爬蟲
。對話系統設計AIML
。實戰:天氣預報對話系統
。網頁 web service 伺服器架設
。實戰:網頁版AI 人工智慧客服系統
。人工智慧Tensorflow AI 程式設計
。NLP 自然語言的處理程式設計
。word to vector
。人工智慧的語意資料庫設計
。語意資料系統設計和開發
。語意外掛系統設計
。AI 模型RNN 介紹
。AI 模型LSTM介紹
。將文字資料轉換成電腦用的數字mapping
。實戰:用戶對餐點評論喜好判別
。如何自動增加AI的智慧和新技術實作案例
。AI自動收集語意系統
。ChatGPT 的介紹和原理
。GPT 的AI模型撰寫
。GPT 的訓練資料的彙整和取得
。GPT 模型的撰寫和程式
。訓練GPT 模型
。實戰:AI對話
附件