本課程將應用市面上成熟的工具ｰTensorFlow Keras ，以實作方式帶領學員體驗機器學習與深度學習在影像辨識及自然語言處理與情緒分析的實際案例開發和實作。而Python因為程式簡單易懂，功能強大，同時擁有Open Source 和跨平台等優點而被許多公司所使用，本課程會透過政府的公開資料和網站內容爬文做分析範例，並且使用圖形視覺化呈現經過離散和統計數學計算出的大數據分析結果，讓學員可以享受政府在這一波開發資料中，實際交叉統計展現出的驚人結果。本課程特聘國際知名技術專家－柯博文老師，實機操作和數據分析撰寫Python程式，並實際撰寫數據分析程式和報表。

建議修課條件：(1)具備Python程式設計相關經驗與基礎知識，或(2)曾經參加本中心主辦之「Open Data 大數據分析開發實作基礎」訓練。

。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