成為 AI 科學家|提升 AI 實作能力必備,深度學習 TensorFlow 基礎與應用

課程資訊 課程大綱 開課單位 常見問答
Loading...
線上課程

成為 AI 科學家|提升 AI 實作能力必備,深度學習 TensorFlow 基礎與應用

1438次瀏覽
NT$1,880
優惠現領
9 折
【指定課程:限定優惠】
課程資訊
本頁面課程內容及活動資訊概由廠商提供,部分內容非屬104服務範疇,會員應遵守之規範悉依 104課程中心會員規約 所載。
上課時間 無限期觀看課程查看更多
上課方式 於開課單位網站兌換後觀看課程
課程內容
課程大綱
展開全部
1 課程規劃與準備
01
課程規劃與範疇
02
學習工具與準備:Tensorflow 2.0 + Colab
03
實作範例檔案說明
2 深度學習基礎介紹
01
深度學習的優勢
02
QUIZ:深度學習的優勢測驗
03
深度學習常見之學習方法
04
QUIZ:深度學習常見之學習方法測驗
05
什麼是學習
06
QUIZ:什麼是學習測驗
3 神經元與神經網路
01
傳統神經元定義
02
QUIZ:傳統神經元定義測驗
03
神經元與神經網路
04
QUIZ:神經元與神經網路測驗
05
深度學習的應用
06
QUIZ:深度學習的應用測驗
4 TensorFlow 基礎使用
01
TensorFlow 介紹
02
QUIZ:TensorFlow 介紹測驗
03
TensorFlow 基本運算
04
QUIZ:TensorFlow 基本運算測驗
05
TensorFlow 常見函數
06
QUIZ:TensorFlow 常見函數測驗
07
TensorFlow 程式範例實作
5 DNN 神經網路介紹
01
綜觀神經網路
02
QUIZ:綜觀神經網路測驗
03
DNN 神經網路建構
04
QUIZ:DNN 神經網路建構測驗
05
DNN 神經網路範例實作
06
QUIZ:DNN 神經網路範例實作測驗
6 損失函數的定義
01
損失函數介紹
02
QUIZ:損失函數介紹測驗
03
MSE 與 Cross-Entropy
04
QUIZ:MSE 與 Cross-Entropy 測驗
05
損失函數範例實作
7 優化神經網路
01
批次輸入資料
02
QUIZ:批次輸入資料測驗
03
優化器的概念
04
QUIZ:優化器的概念測驗
05
可適性學習率優化器
06
QUIZ:可適性學習率優化器測驗
07
神經網路優化範例實作
8 優化原理及神經網路驗證
01
優化原理與 Backpropagation
02
QUIZ:優化原理與 Backpropagation 測驗
03
驗證神經網路
04
QUIZ:驗證神經網路測驗
05
DNN 神經網路數值範例實作
9 神經網路技巧及討論
01
激活函數討論
02
QUIZ:激活函數討論測驗
03
Lagrange 與正則化
04
QUIZ:Lagrange 與正則化測驗
05
Dropout 及 Batch Normalization
06
QUIZ:Dropout 及 Batch Normalization 測驗
07
神經網路技巧範例實作
10 Tensorboard 工具介紹
01
Tensorboard 工具介紹
02
QUIZ:Tensorboard 工具介紹測驗
03
Tensorboard 使用
04
QUIZ:Tensorboard 使用測驗
05
如何觀察 Tensorboard 範例實作
11 CNN 神經網路介紹
01
CNN 神經網路的優勢
02
QUIZ:CNN 神經網路的優勢測驗
03
Convolution
04
QUIZ:Convolution 測驗
05
Maxpooling
06
QUIZ:Maxpooling 測驗
12 CNN 神經網路建構
01
建構 CNN 神經網路
02
QUIZ:建構 CNN 神經網路測驗
03
CNN 網路的特性
04
QUIZ:CNN 網路的特性測驗
05
CNN 計算範例實作
13 著名的 CNN 神經網路
01
ILSVRC 比賽
02
QUIZ:ILSVRC 比賽測驗
03
AlexNet 與 VGG
04
QUIZ:AlexNet 與 VGG 測驗
05
GoogleNet 與 ResNet
06
QUIZ:GoogleNet 與 ResNet 測驗
14 CNN 進階影像應用
01
CNN 網路進階應用
02
QUIZ:CNN 網路進階應用測驗
03
單物件分類及定位
04
QUIZ:單物件分類及定位測驗
05
人臉辨識
06
QUIZ:人臉辨識測驗
07
CNN 進階影像應用範例實作
15 CNN 物件偵測原理
01
物件偵測原理
02
QUIZ:物件偵測原理測驗
03
Yolo 介紹
04
QUIZ:Yolo 介紹測驗
05
Labeling 資料
06
QUIZ:Labeling 資料測驗
07
CNN 物件偵測範例實作
16 文字轉向量
01
文字轉向量介紹
02
QUIZ:文字轉向量介紹測驗
03
文字轉向量原理
04
QUIZ:文字轉向量原理測驗
05
Gensim 介紹
06
QUIZ:Gensim 介紹測驗
07
Gensim 範例實作
17 Skip-Gram 模型介紹
01
Bag of words 問題
02
QUIZ:Bag of words 問題測驗
03
Skip-gram
04
QUIZ:Skip-gram 測驗
05
Skip-gram 實作上的問題
06
QUIZ:Skip-gram 實作上的問題測驗
07
Skip-Gram 範例實作
18 CBOW 模型介紹
01
CBOW 介紹
02
QUIZ:CBOW 介紹測驗
03
CBOW 演算法
04
QUIZ:CBOW 演算法測驗
05
CBOW 與 Skip-gram
06
QUIZ:CBOW 與 Skip-gram 測驗
07
CBOW模型範例實作
19 RNN 神經網路介紹
01
RNN 網路的優勢
02
QUIZ:RNN 網路的優勢測驗
03
RNN 基礎原理介紹
04
QUIZ:RNN 基礎原理介紹測驗
05
RNN 不同種類應用介紹
06
QUIZ:RNN 不同種類應用介紹測驗
20 RNN 網路建構
01
Vanilla RNN 介紹
02
QUIZ:Vanilla RNN 介紹測驗
03
BPTT
04
QUIZ:BPTT 測驗
05
Vanilla RNN 的問題
06
QUIZ:Vanilla RNN 的問題測驗
07
RNN 網路範例實作
21 LSTM 及 GRU
01
LSTM / GRU 複習
02
QUIZ:LSTM / GRU 複習測驗
03
使用 LSTM / GRU 實作 MNIST 分類
04
使用 LSTM / GRU 實作垃圾郵件分類
22 RNN 進階應用
01
機器翻譯
02
QUIZ:機器翻譯測驗
03
圖像生成描述
04
QUIZ:圖像生成描述測驗
05
語音辨識
06
QUIZ:語音辨識測驗
23 資料降維與視覺化
01
降維與資料視覺化
02
QUIZ:降維與資料視覺化測驗
03
降維與資料視覺化演算法比較
04
QUIZ:降維與資料視覺化演算法比較測驗
05
使用 MNIST 資料集做資料視覺化實作
24 Autoencoder 介紹
01
Autoencoder 介紹
02
QUIZ:Autoencoder 介紹測驗
03
Sparse / Denoise autoencoder
04
QUIZ:Sparse / Denoise autoencoder測驗
05
VAE
06
QUIZ:VAE 測驗
07
Autoencoder 範例實作
25 圖像風格遷移
01
圖像風格遷移介紹
02
QUIZ:圖像風格遷移介紹測驗
03
圖像風格遷移原理
04
QUIZ:圖像風格遷移原理測驗
05
圖像風格遷移優化以及參數調整
06
QUIZ:圖像風格遷移優化以及參數調整測驗
07
圖像風格遷移範例實作
26 GAN 神經網路介紹
01
GAN 神經網路介紹
02
QUIZ:GAN 神經網路介紹測驗
03
GAN 的概念
04
QUIZ:GAN 的概念測驗
05
GAN 演算法
06
QUIZ:GAN 演算法測驗
07
GAN 演算法範例實作
27 常見 GAN 神經網路
01
GAN 損失函數
02
QUIZ:GAN 損失函數測驗
03
DCGAN
04
QUIZ:DCGAN 測驗
05
CycleGAN
06
QUIZ:CycleGAN 測驗
28 強化學習介紹
01
強化學習
02
QUIZ:強化學習測驗
03
價值函數
04
QUIZ:價值函數測驗
05
強化學習的種類
06
QUIZ:強化學習的種類測驗
29 常見強化學習演算法
01
馬可夫決策過程
02
QUIZ:馬可夫決策過程測驗
03
Q-Learning
04
QUIZ:Q-Learning 測驗
05
DQN
06
QUIZ:DQN 測驗
07
強化學習範例實作
30 Keras 介紹
01
Keras 環境安裝
02
QUIZ:Keras 環境安裝測驗
03
Keras 基礎使用
04
QUIZ:Keras 基礎使用測驗
05
使用 Keras 建構神經網路實作
06
QUIZ:使用 Keras 建構神經網路實作測驗
31 Keras 實作 CNN 網路
01
使用 Keras 建構卷積神經網路
02
QUIZ:使用 Keras 建構卷積神經網路測驗
03
使用 Keras 做 MNIST 照片分類實作
04
使用 Keras 做貓狗照片分類實作
你可以學到

  深度學習的
演算法介紹與技術應用

深度學習是近年來人工智慧領域裡最火熱的分支之一,由於這種基於神經網路的作法能達到過往許多傳統模型無法達到的準確度,其演算法可借由增加隱藏層或者排列組合,搭建規模更大、結構更復雜的類神經網路,因此各式各樣新的應用紛紛開始被實做出來,也讓人工智慧能能解決更多問題

 深度學習處理步驟拆解 

-> 給予機器大量資訊
-> 讓機器模擬人腦的運作方式與學習能力,協助處理複雜的運算
-> 展現擬人的判斷與行為

深度學習常見應用


 
成果搶先看:使用CNN製作「圖像風格轉移」

為了讓你能夠獲得真正實現願望的能力,本課程將會是應用原理與鍛煉基本功的實作練習為主,例如:你可以學到「人臉辨識」、「物件禎測」的原理還可以實作練習「圖像風格遷移」......等。學會技能後,除了能夠嘗試實現上述情境以外,還可以去挖掘更多的深度學習應用,例如:便利的「語言翻譯」、酷炫的「自動駕駛」與對人類大有助益的「醫療判斷」,深度學習的世界何其廣大,等著你去探索

圖像風格遷移


 
 選用 TensorFlow 作為輔助學習工具

TensorFlow 是一個開源的深度學習框架,同時具備了簡潔、易用性,且被廣泛使用,不僅下載次數超過 1.6 億,連 Google 都有 6000 多個產品都使用了 TensorFlow它,能協助你能更快、更有效率的去延伸實作深度學習,且 TensorFlow 的學習社群中,還有成千上萬的人貢獻了程式碼,支持其應用發展,讓你在研究深度學習的路上不孤單。

適合對象
  已具備 Python 程式基礎能力,且擁有以下需求的你
  • 對於深度學習有興趣,想要踏入深度學習領域、熟悉 TensorFlow 框架
  • 需要整理龐大數據,並透過 AI 進行實務運用
  • 想要將深度學習導入企業或進行企業轉型
  • 想提升自身在 AI 領域中的競爭力,並累積實作經驗
  • 想轉往 AI 科學家 / 資料工程師 / 機器學習科學家發展,卻沒有相關背景
課程講師
陳少君
陳少君 - 保羅老師經歷|▹ 宏瑞科技 CEO▹ 長鑫存儲 CIO/IT 副總經理▹ 資策會數位教育研究所 資深總監▹ 浩鑫核心技術中心 資深總監▹ 美國 Software Publishing Corporation 工程師▹ 美國加州大學戴維斯分校電機電腦 碩士▹ 臺大電機研究所 碩士專案經驗|系統開發 - 日月光封裝測試銷售預測系統企業內訓 - 統計分析課程培訓設計矽谷創業 - IT 產品開發及服務專長|▹ 深度神經網絡▹ 強化學習▹ 自然語言處理▹ Hadoop / MapReduce▹ 雲計算 / AWS▹ MS SQL / MySQL / Oracle 數據庫▹ SharePoint / 工作流程▹ BizTalk / EDI▹ 電子商務 / 付款安全▹ CodeIgniter / PHP▹ Web 應用程序 / ASP.NET
展開全部
開課單位
緯育TibaMe
緯育TibaMe由全球最大資通訊集團之一的緯創資通集團於2015年正式成立,我們專注於人才培訓與平台服務,發展多元的授課模式,並結合緯育開發的雲端智能化學習系統,有效培育新世代數位化人才。在行動與雲端時代,用科技加值人才培育,持續發展創新與有效的數位教育學習服務。
最新動態 看所有動態

⏰免費直播報名倒數一週!解鎖AI 人才學習地圖:​產業需求 x 關鍵技能全攻略

AI 技術與工具翻新速度快又急,你是否也在思考:「我該學什麼?又該從哪開始?」6/17 從產業趨勢、熱門 AI 職務到推薦 AI 學習路徑一次滿足你!👉 https://lihi.cc/KaOhy ​ 兩位經常與產業 AI 專家交手,並著力於人才 #AI賦能 的產品經理將為你帶來 ✅ 掌握產業 AI 趨勢 與熱門職務需求解析 ✅ 了解 AI 如何改變職場與工作模式 ✅ AI 帶來的新興職務與未來發展 ✅ 台灣搶手 AI 人才有哪些 ✅ IT 與非 IT 背景 AI 學習重點 ✅ 跨領域轉職 AI 職務的機會點 ​ ​ ▍ ​ 誰適合參加? 👉 想了解產業 AI 趨勢 👉 想認識不同 AI 職務與未來發展 👉 想獲得 AI 工具推薦 👉 想挑選適合自己的 AI 學習路徑 ​ ​ ▍ 直播講座資訊 🔹 時間:6/17(二) 20:00~21:00 🔹 講者:產業 AI 觀察家 吳紹瑜、AI 人才養成推手 黃禹樵 🔹 講座形式:線上直播(將於活動前2~3天email提供直播連結) 🔸 立即報名:https://lihi.cc/KaOhy

Power Automate、Zapier、Make、n8n、tldraw​ 怎麼挑選適合你的自動化工具

想提升工作效率,你該考慮導入 #自動化工具! 🚀 但何謂自動化工具? 可以在工作中協助到哪些面向? 我們又該如何挑選適合自己的工具?🤔 📖 文章重點摘要 📍 自動化工具就是把重複性工作流程,交給機器執行 📍 不需要程式背景,也不一定要工程師才能使用 📍 自動化能有效: ➊ 提升效率:減少重複性工作,讓人力專注在高價值任務,提升整體工作成效 ➋ 降低錯誤:避免人為疏失,提高數據與操作準確性 ➌ 加速應用:AI + RPA 工具逐年普及,低程式碼(Low-Code)、無程式碼(No-Code)工具降低門檻,企業導入更快速 ➍ 應對挑戰:面對人力短缺與數位轉型壓力,懂得運用自動化工具的工作者將更具職場競爭力 完整 5 大自動化工具介紹與比較 & 針對不同工作/職務挑選建議 現在就前往閱讀完整文章 👉 https://bit.ly/4364RGw #powerautomate #n8n #zapier #tldraw
常見問答
如何購買課程並開始上課
於欲購買 1. 線上課程之頁面,點擊「立即購買」,成功使用信用卡完成付款並確立訂單成立後,本平台將透過購買填寫之信箱,以郵件方式通知「訂單成立」,後續兌換學習有兩種形式:(A) 若購買學習廠商提供課程,購買後「提供課程兌換序號、兌換連結、兌換碼使用說明」,引導您至購買課程之出版廠商兌換並上課、(B)若購買是104學習系統,購買完可以從郵件、訂單明細、課程詳細頁直接進到站內線上學習。 2. 實體課程之頁面,點擊「立即購買」,成功完成付款並確立訂單成立後,本平台將透過購買填寫之信箱,以郵件方式通知「訂單成立」即可完成報名,後續開課單位會有專員與您聯繫後續事宜。
購買與報名課程付款方式?
僅提供信用卡付款。
有支援信用卡分期嗎?
平台有提供分期服務:結帳金額滿$4,000可享三期零利率,滿$12,000可享六期零利率;分期服務支援銀行公司為:中國信託、台新銀行、玉山銀行,實際分期金額依各發卡行規定
已完成付款,但用錯折扣碼怎麼辦?
請申請退款並重新下單,已使用之折扣碼,本平台將不進行退回,敬請見諒。
線上刷卡後訂單狀態顯示「待付款」
代表您的結帳流程尚未完成,請儘速完成結帳程序,以免課程相關優惠權益失效。
刷卡失敗的原因
可能為以下原因: 1.授權失敗(例:信用卡發卡銀行系統忙碌、網路塞車、刷卡等待時間過久造成系統確認失敗等問題),建議稍待一段時間再重新刷卡。 2.輸入信用卡卡號等相關資料不正確(例:輸入資料不正確、卡號過期、尚未開卡等問題),建議重新確認輸入資訊。
如何選擇紙本發票
為響應政府政策,不主動提供紙本發票,委由金財通系統寄發電子發票開立通知信至學員購買課程時填寫之Email,發票自動存入會員載具,若未收到請告知。
企業請款之憑證,如何申請
若需要進行企業請款,請於購買時輸入統一編號、發票抬頭,本平台將以郵件寄送電子發票方式,至您填寫之信箱。
多久會收到發票
發票將於付款成功,3個工作天內開立,敬請稍候。
如何退款
請參考下方退款須知與流程 1.若您於本平台成功完成付款購買課程,有退款需求,於外部學習廠商兌換之線上課程自購買日起7天內,且未進行課程兌換,可申請全額退費;於104課程中心站內學習課程若購買日起7天內後「未進到學習頁」,可申請全額退費;實體課程須於開課日前 1 日之非假日上班時段前與104學習精靈提出申請,始得要求全額退費。 2.若需申請退款,請使用信件主旨:「課程中心退款申請」,並於信件內容寫明購買人姓名、訂單編號、欲退款之課程名稱,郵件至nabiservice@104.com.tw,本平台將於5個工作天內盡快為您處理。 3.確認提出退款申請時間為課程購買日起7天內,且未進行課程兌換,本平台將與欲申請退款課程之出版廠商,提出會員資料與學習紀錄查詢,確認您課程的觀看紀錄,並同步確認出版廠商訂定之退款事項,是否全數符合。申請退款的同時,即代表您同意本平台與退款課程之出版廠商,提出查詢會員資料與學習紀錄。 4.若您單一訂單中購買兩堂(含)以上課程,不需要整張訂單退款(只退其中幾堂課),退款金額為欲退款課程售價加總後,扣除此張訂單所使用之折扣碼(若折扣碼為整張訂單之折數折扣,則退款金額為欲退款課程售價加總後乘以折數折扣),若計算後退款金額低於(含)0元,本平台將不執行退款。5.上述退款方式僅限於本平台成功完成付款購買之課程,若付款與訂單成立之任一程序不在本平台完成,退款方式需依照課程出版之廠商所訂定之規則提出申請,並由課程出版廠商協助處理,本平台不介入。 6.若您的發票沒有填寫統一編號,並需要辦理退款時,由本平台代為處理發票相關作業 (如作廢電子發票或開立電子發票折讓單),以加速退款作業時程。 7.若您原訂單信用卡分期,其申請退費時,須整筆訂單全額退費,無法部分或擇一課程退費。
款項何時退回
信用卡一次付清:課程退費採原信用卡退刷方式,退費所需之工作天依各金融機構實際作業時間為準。 信用卡分期付款:課程退費採匯款方式,會將退款款項匯款到您的指定帳戶,將由專員與您聯繫提供相關資料,以利後續退款作業。