課程介紹
本課程將應用市面上成熟的工具ーTensorFlow Keras 和SciPy,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。
課程對象
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Python資料分析開發實作基礎」訓練。
課程大綱
■人工智慧原理和方法簡介
■TensorFlow、Keras、SciPy環境設置
■Keras教學
■feature特徵值的選取和抓取
■labels 的處理
■線性迴歸、SGD、最短路境的計算
■類神經NN和人工智能原理數學和教學
■多元感知器MLP 技術
■圖表繪製和顯示
■實戰:透過MLP和MNIST 辨別手寫文字
■實作:透過深度學習改善成功率
■CNN 和 Convolution 技術
■實戰:透過CNN和MNIST 辨別手寫文字
■SoftMax 和 dropout 技術
■One-hot Encoding 技術
■實戰:透過CNN和Cifar-10 辨別飛機、汽車、船等10種彩色物體。
■訓練資料的準備,如何準備自己的要辨識的物體。
■實戰:透過網路衛星圖片辨別飛機場是否有飛機停靠。
■深度學習、挑選合適的演算法。
■如何將準確率提高到99.9%的準確率
■實戰:農產品上的自動挑選
■語音處理MFCC
■實戰:透過深度學習,處理中文語音辨識
■下載和取得Google 圖片
■實戰:透過Google 圖片,自己訓練出辨識物體
■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物體 -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。
■TensorFlow教學
■Playground
■TensorFlow的變數Session, Variable, Constant, placeholder
■TensorBoard
■GPU和CUDA的設定和使用,速度快2倍以上
■Logistic 邏輯迴歸分析
■實作:判別水果種類
■Optimizer 最佳化、訓練SGD梯度下降法
■Forward / Back Propagation 監督學習法
■深度學習演算法
■神經網路Neural Network的技術
■使用基礎數學寫出類神經網路演算法
■實戰:透過CNN和MNIST 辨別大衣、T恤、褲子流行服飾
■語言和文字的處理
■自然語言的處理,語意分析
■LSTM 和RNN技術
■實作:判別電影和對商品文字評論和喜好度
■歌詞和文章的處理
■實作:使用LSTM技術,自動產生歌詞和文章
■時價登入和房屋價格的走向分析
■實作:使用LSTM技術,分析房價
■儲存、讀取模型和訓練
■Demonstrate overfitting
■實作:使用LSTM技術,預測未來蘋果股價
■聲音處理
■實作:使用TensorFlow,辨識語音
■音樂處理
■實作:使用TensorFlow,讓電腦自行創作古典音樂
附件