目前位置: 首頁 > 公開課程 > 創新研發 > 專業技術 > AI人工智慧與TensorFlow、Keras深度

AI人工智慧與TensorFlow、Keras深度

「數據科學家」是二十一世紀最性感的職業。根據104人力銀行預測........

  AI人工智慧與TensorFlow、Keras深度學習應用.2016 年 Google 的 AlphaGo 在世人面前打敗了韓國棋士李世乭,宣告了 AI 世代的來臨。台積董事長張忠謀預言,AI 將改變世界如同智慧型手機對我們的影響。不少產業巨擘、專家也都預言, AI 將會從根本上顛覆許多產業,進而創造出新的創新服務和全新商業模式。

加入收藏
收件人email:
寄件人姓名:
寄件人email:
適合對象:高階主管 、中階主管 、專業人員 、技術人員
 

【數位同步學習課程】AI人工智慧與TensorFlow、Keras深度學習應用

上課地址:工研院產業學院 產業人才訓練一部(台北) (實際地點依上課通知為準)

時數:36

起迄日期:2020-10-08~2020-11-12

聯絡資訊:劉先生/02-23701111#319

報名截止日:2020-10-06

課程類別:人才培訓( 課程含線上同步數位學習)

活動代碼:2320010039

 
課程介紹
2016  Google  AlphaGo 在世人面前打敗了韓國棋士李世乭,宣告了 AI 世代的來臨。台積董事長張忠謀預言,AI 將改變世界如同智慧型手機對我們的影響。不少產業巨擘、專家也都預言, AI 將會從根本上顛覆許多產業,進而創造出新的創新服務和全新商業模式。
「數據科學家」是二十一世紀最性感的職業。根據104人力銀行預測2019年,前五大資料經濟職務需求,其中就有三個是資料分析相關職務,包括資料工程師、數據分析師與資料科學家。其求職者需要具備資料處理(ETL)工具開發經驗、熟悉R語言、PythonSQL、建置HadoopSpark平台經驗等等。
本課程涵蓋Python語法基礎,進行實際案例教學。依照本課程的步驟學習,就可以了解深度學習基本概念,並且實際運用其技術在各種領域。
課程特色/目標
本課程將學習到深度學習原理原則,並使用能TensorFlow & Keras套件實作深度學習。
課程對象
有志成為人工智慧與深度學習技術應用之工程師、資料科學家等。
講師簡介
丘老師
現任:大數軟體(LargitData)執行長
經歷:大數軟體(LargitData)提供各企業與政府機關輿情分析服務,客戶橫跨半導體、金融、網路、電信與政府機構等行業,過去更曾協助柯文哲團隊蒐集相關網路輿情,將輿情分析結果應用在真實選戰中。團隊也曾榮獲AngelHacks台灣區首獎、台泰跨國黑客松-無敵黑客獎、中國雲計算大資料創新專案評選優勝以及兩岸四地協同創新路演大賽優異獎等肯定。
專長:機器學習、大數據、資料科學。
著作:Machine Learning With R Cookbook, R for Data Science Cookbook
課程大綱
單元
課程大綱
108()
人工智慧與深度學習
(6小時)
1.人工智慧的發展歷史
2.單層感知器 (Perceptron)
3.基礎環境建置及解說
4.機器學習 (決策樹、邏輯斯蒂回歸)
5.多層感知器 (Multilayer Perceptron)
6.使用多層感知機辨識驗證碼
7.支持向量機 (Support Vector Machine)
8.受限波茲曼機 (Restricted Boltzmann Machine)
9.深度信念網路(Deep Belief Network)
10.GPU + 深度學習
11.人工智慧 v.s. 機器學習 v.s. 深度學習
1015()
人工神經網路
(6小時)
12.TensorFlow & Keras
13.TensorFlow 簡介
14.安裝TensorFlow
15.使用TensorFlow Playground視覺化人工神經網路
16.Keras 安裝與配置
17.人工神經網路(Artificial Neural Network)
18.神經元 (Neurons)
19.激勵函數 (Activation Function)
20.人工神經網路如何運作
21.梯度下降 (Gradient Descent)
22.反向傳播演算法(Backpropagation)
23.[實例使用人工神經網路預測客戶是否可信
24.評估、調參、優化人工神經網路
25.比較人工神經網路與其他機器學習模型
1022()
卷積神經網路
(6小時)
26.什麼是卷積神經網路 (Convolutional Neural Network)
27.卷積特徵提取
28.ReLu (Rectified Linear Units)
29.池化層 (Pooling)
30.Flattening 
31.建立卷積神經網路
32.什麼是SoftMax  Cross-Entropy
33.[實例利用卷積神經網路辨識圖片
34.如何調校卷積神經網路
10/29(四)
迴圈神經網路
6小時)
35.什麼是迴圈神經網路 (Recurrent Neural Networks)
36.消失的梯度問題 (The vanishing gradient problem)
37.長短期記憶網路 LSTM (Long Short-Term Memory)
38.建立迴圈神經網路 (Recurrent Neural Networks)
39.利用迴圈神經網路 (Recurrent Neural Networks) 預測股價
40.如何調校迴圈神經網路 (Recurrent Neural Networks)
11/5(四)
自編碼網路
(6小時)
41.什麼是自編碼網路 (AutoEncoder)
42.訓練自編碼網路 (AutoEncoder)
43.過完備隱藏層 Overcomplete Hidden Layers
44.稀疏編碼 (Sparse Autodncoders)
45.降噪自動編碼 (Denoising Autoencoders)
46.收縮自動編碼 (Contractive Autoencoders)
47.多層自動編碼 (Stacked Autoencoders)
48.深度自動編碼 (Deep Autoencoders)
49.[實例使用自編碼網路建立推薦系統
11/12(四)
生成對抗網路
(6小時)
50.生成對抗網路 GAN (Generative Adversarial Nets) 基本原理
51.訓練自編碼網路 (AutoEncoder)
52.GAN 代價函數
53.深度卷積對抗生成網路 (DCGAN)
54.批歸一化 (Batch Normalization)
55.小步長卷積 (Fractionally-Strided Convolution)
56.[實例利用生成對抗網路 GAN 自動生成圖片
價格

原價

(含稅、午餐、講義)

早鳥-優惠價

(開課10天前報名)

工研人-優惠價

團報-優惠價

(同公司2人以上)

數位旁聽-優惠價

RAISE博士-優惠價

每人30,000

每人24,000

每人18,000

每人15,000

常見問題
●報名方式:至產業學習網,點選課程頁面之「線上報名」,填寫報名資訊即可。
●本課程採報名制,滿12人以上開班,未滿12人不開班,課程洽詢: 02-23701111#319 劉先生。
● 繳費資訊:
()ATM轉帳(線上報名):繳費方式選擇「ATM轉帳」者,系統將給您一組轉帳帳號「銀行代號、轉帳帳號」,但此帳號只提供本課程轉帳使用各別學員轉帳請使用不同轉帳帳號!!轉帳後,寫上您的「公司全銜、課程名稱、姓名、聯絡電話」與「收據」回傳真至02-23811000 劉小姐 收。
()信用卡(線上報名):繳費方式選「信用卡」,直到顯示「您已完成報名手續」為止,才確實完成繳費。
貼心提醒
※以下注意事項─敬請您的協助,謝謝! 
1.為確保您的上課權益,報名後若未收到任何回覆,請來電洽詢方完成報名。
2.若報名者不克參加者,可指派其他人參加,並於開課前一日通知。
3.因課前教材、講義及餐點之準備,若您不克前來需取消報名,請於開課前三日以EMAIL通知主辦單位聯絡人並電話確認申請退費事宜,逾期將郵寄講義,恕不退費。
4. 為尊重講師之智慧財產權益,恕無法提供課程講義電子檔。
5. 為配合講師時間或臨時突發事件,主辦單位有調整日期或更換講師之權利。
6. 繳費方式為信用卡、ATM轉帳,恕不受理現場報名和繳費。
 
附件
 課程DM-AI人工智慧與TensorFlow、Keras深度學習應用(36小時)(10月).pdf


報名截止日:2020/10/06

開課日:2020/10/08結束日:2020/11/12定價: $15,000

時數:36 (小時) 時段:依上課通知為準

地點:線上 | 不限時間、地點、交通因素,隨時隨地皆可上網上課 | 不限時間、地點、交通因素,隨時隨地皆可上網上課 [看地圖]

報名截止日:2020/10/06

開課日:2020/10/08結束日:2020/11/12定價: $30,000

時數:36 (小時) 時段:依上課通知為準

地點:台北 | 工研院產業學院 台北學習中心 | 實際地點依上課通知為準! [看地圖]

簡介


產業學院緣起
  依據行政院「挑戰2008:國家發展重點計畫」下之「國際創新研發基地」與「產業高值化」兩計畫,首重產業科技人才的效能。

•911216經科字第09103373120號函:經濟部將本院籌設工研院產業學院之工作,列為因應產業結構轉型,提 ... more

*填寫報名表能讓開課單位更有效的處理您的資料,並優先處理您的需求!


三聯式 二聯式


(重新產生)