人工智慧時代的來臨使得複雜資料建模的工作日形重要，各行各業正積極養成深度學習團隊，發展符合時空或序列相依資料建模的學習算法，架構進階的智能化系統。因此，深度學習已然成為資料科學家必備的武器之一，它除了應用在常見結構化資料上，亦擅長於處理文字、影像、視頻、語音等低結構化資料，本課程運用Python語言深度學習可用之套件和函數(Keras及TensorFlow)，探討各類深度學習模型，優化超參數及避免過度配適，以提高模型應用的準確度，實作案例涵蓋電腦視覺以及自然語言處理等應用。

　　「Python語言深度學習應用」課程從多層感知機類神經網路開始介紹，涵蓋卷積神經網路與遞歸神經網路模型，透過案例介紹常用工具框架Keras與TensorFlow，輔以整合式開發環境Jupyter Notebook或Spyder進行實機操作，逐步達成深度學習精準建模的目標 。

　　網羅機率統計、作業研究、資料探勘、機器學習、演算法與人工智慧方面多年相關教學經驗的跨領域師資，除了實機操作外，並分享在氣象、交通、互聯網、零售、金融與製造等領域的實戰分析經驗，讓學員掌握大數據know-how的全貌，明瞭不同方法、工具與應用領域之間的差異，活用資料分析技術與抓住未來發展趨勢。

　　學習深度學習各種方法的理論與應用實務，並能運用Keras及其它Python語言深度學習函式庫，期能讓學員短時間內掌握深度學習的重要知識。

• 那甚麼是深度學習Deep Learning呢?
  
  深度學習是一個驅動機器學習的技術。它能夠應用的層面也較為新穎的技術，不止於自然語言處理，以下也是深度學習的應用特效：

1. Face2Face：可用於3D動畫或是電影特效
2. Let there be color：讓黑白影像自動上色
3. Pixel Recursive Super Resolution：讓解析度極低的人臉圖像真實化
4. Neural Talk：照片描述
5. DeepWarp：表情包應用
6. Pix2pix：例如改變畫風，或是將白天的照片改為夜晚的場景
7. Reading text in the Wild：用圖片找文字
8. LipNet：讓AI讀唇語
9. 防火牆測試：反覆攻擊何修補自己的防火牆
10. 預測地震

1. 理解人工智慧、深度學習之概念、範疇與關聯、常見的演算法、及實際運作方式
2. 藉由實作練習，學習如何應用深度學習模式加速達成人工智慧
   
   歡迎企業包班

• 課程當天敬請攜帶筆記型電腦，謝謝您的配合!

1. 未來朝向電機/電子/材料/機械/生技/化工/資訊等背景之研發工程師
2. 協助企業評估是否導入AI或擬定AI導入策略之專案負責人
3. 企業內欲跨入AI技術領域之自動化系統設備相關業務負責人員
4. 研究單位工程師、學生並具電腦基本操作或有基礎程式語言基礎者為佳
5. 對於資料科學有興趣者

1. 結構化數據與多層感知機(structured data & MLPs)
2. 圖像數據與卷積類神經網路基礎(image data & CNNs)
3. 批次輸入正規化與係數正則化技術(batch normalization & parameters regularization)
4. 進階卷積類神經網路架構(LeNet, AlexNet, VGGNet, Inception & GoogLeNet, ResNet)
5. 序列數據、字詞嵌入與表徵學習(sequence data, word embedding & representational learning)
6. 遞歸類神經網路與文本生成(RNNs & text generation)
7. 長短期記憶與注意力機制(LSTMs & attention)

工研院特聘講師 鄒講師

• 明志科技大學機械工程系特聘教授兼人工智慧暨資料科學研究中心主任
• 臺北商業大學 資訊與決策科學研究所教授

研究專長:

1. 人工智慧與統計機器學習(Artificial Intelligence & Statistical Machine Learning)
2. 賽局理論應用(Game Theory Applications)
3. 進化式多目標最佳化(Evolutionary Multi-objective Optimization)
4. 彈性製造與工業控制(Flexible Manufacturing & Industrial Control)

主辦單位：工業技術研究院 產業學院

課程時間：2023年10月6日(五)、10月13日(五) 09:00-16:00，共12小時。

報名方式：採線上報名，請至「產業學習網」報名課程

課程洽詢：(03)5913417 謝小姐

聯絡信箱：itri534318@itri.org.tw

<小提醒>

★為響應環保，提醒同仁課程當天需自行攜帶杯子，以避免使用紙杯的浪費。

★為確保上課權益，報名後若未收到任何回覆，敬請來電洽詢是否完成報名。

★因課前教材、講義及餐點等需要提前準備，若您不克前來，請於開課三日前告知，以利行政作業進行並共同愛護資源。

★若原報名者因故不克參加，但欲更換他人參加，敬請於開課前二日通知。

★為保障講師權益，學員上課期間不得進行錄音、錄影。