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。

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」訓練者。

。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