104學習精靈

全部 課程 貼文 教室 證照 影片
機器學習相關的課程 (31)
從工作推薦課程
Google Cloud 學程
2024 Google 數位人才探索計畫針對不同背景的台灣人才,提供免費的數位技能培訓,除了包含數位行銷及雲端工程兩大領域,今年更特別新增 AI 應用及開發課程。透過完整學習路徑規劃,無論你是學生或考慮轉換跑道的在職者,都能在短時間內具備相關知識! 現在就加入 Google 數位人才探索計畫,跟上 AI 趨勢、鞏固數位能力吧! 計畫亮點: ★因應趨勢增設AI課程,全方位強化職能! ★取得Google結書,提升職場競爭力! ★完整學習路徑規劃,輕鬆學習無負擔! 學程簡介: 完成學程,即可獲得相應的數位人才探索計畫結業證書,增加職涯無限可能! 【Google Cloud 學程】Cloud Study Jam season 5 走在數位時代的尖端,越來越多事物都僅存於雲端、網路上,系統串接、訊息流通的優化與解決方案成為了不可或缺的硬實力。 今年更結合最新生成式Al開發內容,是你不容錯過的紮實技術課程! 1. 線上自學課程 Google Cloud Computing Foundations 課程 l Cloud Computing Fundamentals l Infrastructure in Google Cloud l Networking & Security in Google Cloud l Data, ML, and AI in Google Cloud 生成式AI開發者入門課程 l Introduction to Generative Al l Introduction to Large Language Models l Introduction to Responsible Al l Introduction to Generative AI Studio l Introduction to Image Generation l Generative AI Explorer - Vertex Al l Integrating Applications with Gemini 1.0 Pro on Google Cloud l 使用PaLM進行提示設計 l 使用Model Garden探索及評估模型 2. 總整課程 l Google Cloud 總整課程
Google
Python 資料分析:AI 機器學習入門到應用
本課程是以財團法人中華民國電腦技能基金會(CSF)的「TQC+ 人工智慧-機器學習認證」為範疇,技能規範及試題命製,符合教育部課綱之規劃,共分為三大類別,循序漸進,由淺入深建立學員運用機器學習解決問題的基本概念。 學習機器學習,可以讓您初窺現代人工智慧技術由資料中學習建立模型,進行分類、預測以解決問題,逐步邁向人工智慧實用學習技術,提高洞察力、反應力。 這門課內容豐富,提供了各種機器學習模型,同學只要根據所面對問題(或是想要探索的資料集形式)選取適當的範例(模型)來改寫,就可以找到實際問題的解法,可以簡單入手人工智慧,解決實務問題。授課老師擁有超過 30 年的教學經驗,將帶領同學由零學起,掌握人工智慧-機器學習實務應用技術。
電腦技能基金會
人工智慧-Python與資料科學
這是一門有別於坊間的AI數位課程,不僅有清楚的觀念說明也有詳細的程式解說。教你Python程式並瞭解如何實際進行資料處理。 本課程以「程式打底」為目標,教授Python語言及以Numpy、Pandas、Matplotlib進行資料處理與分析。 學習目標 【Python與資料科學】 1. 能快速熟悉Python語言的核心與Python常用的資料結構 2. 學會運用資料科學常用套件-Numpy、pandas、matplotlib來處理、分析與圖表化資料 3. 機器學習的設計方法與術語-從迴歸(Regression)方程式認識機器學習的基本精神 4. 能不使用任何工具套件,以Python實作迴歸方程式 ※ 課程適用經濟部iPAS巨量資料分析師/機器學習工程師能力鑑定考試準備 章節架構 ►Python 簡介 ►變數與動態資料型別 ►運算式 ►序列資料結構- list, tuple, range ►流程控制 ►更多資料結構-set, frozenset, dict, byte, bytearray ►函數 ►變數命名空間 ►類別設計 ►例外處理 ►模組與套件 ►輸入輸出與檔案處理(txt,csv,JSON, pickle) ► 其他(https urlib、beautifulshop,…) ► 附錄: Anaconda Windows/Linux安裝與使用 ►conda 套件管理 ►conda 虛擬環境 ►ipython interpreter ►jupyter notebook ►資料矩陣運算使用Numpy ►資料匯入匯出使用Pandas ►繪圖與製表使用Matplotlib ►機器學習概念 ►最佳化演算法: Gradient Descent ►手刻Gradient Descent演算法 ►手刻線性迴歸 ►手刻線性迴歸作(矩陣版)
艾鍗學院
邊緣運算實務
在AI人工智慧應用中,若所有資料都要回傳到雲端中心,計算之後再傳回終端的話,一定會有「網路延遲」產生,而這些延遲可能會對人類安全與生命財產造成嚴重威脅,比方說,自駕車偵測系統若識別前方的物件,先經由網路送至雲端再傳回結果,可能就會因延遲而造成不可挽回的意外事故;再者有些工廠的環境可能網路不穩定或者企業基於網路資安等問題而沒有網路。這些都使AI模型在雲端進行推論時有使用上的困難。 邊緣運算的概念正因此而生,不透過網路將資料傳送到雲端進行推論(Inference),而是在本機端直接進行推論,加快現場即時反應,讓AI的使用場域更加全面且便利。然而在邊緣進行AI運算,會面臨到本機運算能力及記憶體容量限制等因素,因此也會有一些需要克服的難題,因此本課程先從技術架構、模型優化方法說明並搭配Raspberry Pi 結合Intel NCS2 神經網路加速棒,配合OpenVINO程式碼實作,以實現邊緣運算的應用。 資深講師先幫你打好原理底子,搭配實際操作更有感! 學會以OpenVINO(Open Visual Inference and Neural network Optimization)進行AI模型的格式轉換,進而能將AI模型部署在邊緣裝置上。 學會AI軟硬整合,實現邊緣運算之影像辨識應用 學會AI軟硬整合,實現邊緣運算之影像辨識應用(如人臉辨識與動態影像識別等)。 傳承業師實務開發經驗,提高學習者的AI邊緣運算應用之開效率。 學習目標 1. 學會以OpenVINO(Open Visual Inference and Neural network Optimization)進行AI模型的格式轉換,進而能將AI模型部署在邊緣裝置上。 2. 學會AI軟硬整合,實現邊緣運算之影像辨識應用 3. 學會AI軟硬整合,實現邊緣運算之影像辨識應用(如人臉辨識與動態影像識別等)。 4. 傳承業師實務開發經驗,提高學習者的AI邊緣運算應用之開效率。 章節架構 OpenVino邊緣運算實務 1. 邊緣運算 技術簡介 邊緣運算的開發架構 模型優化的概念 2. OpenVINO邊緣運算實務 Intel NCS2 神經網路加速棒簡介 OpenVINO Toolkit 架構說明 由Keras (.h5)模型轉成IR (.xml & .bin)檔案 Raspberry Pi 安裝OpenVINO 建立OpenVINO應用程式- 程式架構與CMAKE說明 專案: WebCam串流人臉偵測 專案:WebCam 即時手寫數字辨識 (OpenCV與MNIST)▼ 3. 基本Raspberry Pi 使用入門
艾鍗學院