。人工智慧原理和方法簡介
。TensorFlow、Keras、SciPy環境設置
。TensorFlow.Keras教學
。feature特徵值和labels 的處理
。資料收集
。整理、資料清洗
。文字轉數字
。深度學習的各種演算法和挑選合適的演算法。
。AI用在數字資料上的辨識
。類神經NN MLP和人工智能
。多元感知器MLP 技術和模型的建立
。圖表繪製和顯示歷史資料。
。實戰：透過MLP和MNIST 辨別花的種類
。實作：透過深度學習改善成功率到99.9%
。透過自己的Excel資料，重頭完成AI
。AI判斷飛非分類型的的數字預測
。人工智慧度對數字的預測，實戰：房價預測
。實作：預測屋價格的走勢
。AI用在圖片上的辨識
。實作：MLP人工智慧演算法判別手寫文字
。CNN 和 Convolution 技術
。實戰：透過CNN和MNIST 辨別手寫文字
。Conv 處理、SoftMax 和dropout函數和使用技巧
。One-hot Encoding 技術
。實戰：透過CNN和Cifar-10 辨別飛機、汽車、船物體。
。訓練資料的準備，如何準備自己的要辨識的物體。
。實戰：透過CNN和MNIST 辨別大衣、T恤、服飾
。TensorBoard
。GPU和CUDA的設定和使用，速度快2倍以上
。如何將圖形辨識準確率提高到99.9%的準確率
。OpenCV 和類神經網路深度學習結合
。實戰：OpenCV 攝影機即時判別和訓練出辨識與即時抓圖、CNN訓練、辨識商品
。實戰：OpenCV 攝影機即時判別多個物體
。實戰：專案案例 -即時訓練員工圖像、CNN訓練、辨識員工人臉和所在位置。
。實戰：重無到完成完整的辨識紙鈔的總金額。
。即時圖片的收集
。AI 圖形資料的收集
。圖形資料的整理
。透過程式將訓練圖片放大縮小旋轉平移亮度調整
。訓練自製的圖片
。R-CNN、Xception VGG16 VGG19等圖形模式
。AI計算後的權重存處
。輕量化AI
。多個答案的辨識AI 辨識
