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NN、CNN、RNN、LSTM、RCNN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、語意分析及醫學影像判讀等領域。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,以及分析結果。課程內容也包含扎實的數據基礎、高等代數、概率及統計分析,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。建議參訓學員需具備基本程式語言基礎。
※建議修課條件: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」實作訓練 。預計招生:15人,最低人數:10人。
課程對象
人工智慧(AI)從類神經網路進展到「機器學習」(Machine Learning),可運用在過濾垃圾郵件、分析人類行為、投放相關廣告、自動駕駛等領域。近來年則由於「深度學習」(Deep Learning)技術的突破,再加上Google AlphaGo的人工智慧打敗人類圍棋冠軍,深度學習成為AI學門中應用最廣與最快速的領域。各式類神經網路學習演算法的運用在製造業的機器視覺、警方使用的人臉辨識,手機上的語音助理,Amazon Echo Dot以及醫學影像判讀等等領域,皆展現突破性的發展。
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NN、CNN、RNN、LSTM、RCNN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、語意分析及醫學影像判讀等領域。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,以及分析結果。課程內容也包含扎實的數據基礎、高等代數、概率及統計分析,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。建議參訓學員需具備基本程式語言基礎。
※建議修課條件: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」實作訓練 。預計招生:15人,最低人數:10人。
※實作環境與方法:實體課程,至電腦教室辦理,採用Windows PC進行實作練習,一人一機。
課程大綱
。人工智慧、深度學習介紹
。TensorFlow安裝;Windows作業系統Python安裝;TensorFlow測試
。Tensorflow GPU介紹
。安裝NVIDIA的CUDA® Toolkit 9.0;安裝NVIDIA的cuDNN v7.2.1;安裝Python的Tensorflow-GPU 函式庫;開發Tensorflow-GPU 程式;通過程式指定GPU或多個GPU執行運算;設定GPU顯示卡記憶體用量上限
。人工智慧程式的開發
。改善數據MLP人工智慧類神經模型
。透過儲存和讀取AI MLP人工智慧類神經的處理速度
。AI訓練時間加快
。AI 每天自我學習更聰明準確
。在網頁和MCU 上使用AI
。AI原理數學和教學
。激活函數的作用和差異
。最短路徑演算法的作用和差異
。多個答案的辨識AI辨識
。多個AI辨識
。大型AI專案框架
。TensorFlow卷積神經網路CNN 圖形AI辨識
。圖形AI辨識效果更好-Part1 OpenCV環境安裝使用
。圖形AI辨識效果更好-Part2 調整圖片
。圖形AI辨識效果更好-Part3 校正圖片
。圖形AI辨識效果更好-Part4 其他
。多物件圖片的處理-Part1 標籤
。多物件圖片的處理-Part2 畫面上自動尋找
。GAN 讓AI有創意
。GAN簡介、應用範圍
。建立和訓練GAN模型
。GAN技術原理:
。GAN實戰,衛星圖片自動畫出街道圖
附件