深度學習相關課程｜104學習

使用 PyTorch 作為主要開發工具，實作深度學習程式開發與應用，課程共有10個學習重點，包括神經網絡原理、回歸分析和最小平方法、梯度下降法、反向傳導、損失函數、學習率與優化器、機器學習處理流程等，讓你掌握人工智慧所需知識，理解和優化模型，提高準確率並開發深度學習應用在各種產業上。

想跟上生成模型最新發展，理解其原理，但困於論文和程式碼？本課程從生成式對抗網路原理出發，教你運用擴散模型輕鬆創造影像，10小時密集學習，深入介紹GAN和擴散模型差異，學會影像轉換、影像生成及文字轉影像等技術，還教授運用Stable Diffusion的各種變型，透過大量實作，讓你輕鬆應用各項專案。

近年來深度學習技術持續帶來前所未有的精度，在各種深度學習物件偵測中，YOLO物件偵測最廣泛應用於各領域所需的即時影像辨識。課程主要內容為不同YOLO模型版本的解析與應用實作，詳細教學內容為解析搭配實作並行，亦包括修改模型、調整模型、自動化調整超參數...等，呈現不同場域的影像辨識應用需求實現。

這門課將帶你從零開始認識開源硬體與 Raspberry Pi，學會建立開發環境、使用 Linux 基礎指令與網路連線設定，逐步掌握 GPIO 與 I/O 控制技巧，並實作 LED、按鈕、PIR 感測器與繼電器等應用。透過實務範例，培養你動手整合感測與控制技術的能力，建立開發智慧應用與物聯網系統的實戰基礎。

人工智慧是當前資訊領域最受矚目的一塊，而深度學習是人工智慧中最受歡迎的技能之一。 在本課程中，你將掌握深度學習的基礎、了解如何構建神經網絡，以及學習如何以各種方式改善模型。我們將會介紹深度學習最重要的三大模型：DNN、CNN、RNN，以及隨後衍生出的各式進階模型與技術。

課程將帶領學員了解NLP自然語言處理的任務與流程、中文自然語言處理及常見的文字編碼方式，並透過深度學習演算法與進階語言模型實作，進而實現AI主題專案：Telegram飯店業問答系統。課程搭配軟體套件使用，兼具理論與實作面向，讓你對NLP有完整的概念。