工研院產業學習網

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 。

。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