跳到主要內容
:::

Python資料科學與AI深度學習實戰

1.讓學員學會資料科學深度處理技巧 2.讓學員具備機器學習與深度學習演算法之整合應用能力 3.讓學員具備模型評估與參數調校之能力 4.讓學員具備能分析領域間各種AI模型應用之能力 5.讓學員具備能為所服務公司提出AI solutions之能力

  • 開課單位:中原大學推廣教育處
  • 課程大綱:一、人工智慧的場景應用:1.對製造業應用實例2.對醫療業應用實例3.對金融業場景應用實例4.對零售業場景應用實例AI與商業實務的互動討論5.產業出題AI解題問題範圍6.產業出題AI解題解答範例
    人工智慧開發環境介紹7.Python8.TensorFlow9.TensorBoard
    二、Python基本概念1.Python常用語句和語法2.Python函數3.Numpy函式庫與多維陣列4.Pandas與時間序列資料TensorFlow基本概念5.TensorFlow架構6.TensorFlow基本運算
    三、【邏輯迴歸】基本概念:1.二元分類與邏輯迴歸模型2.多類別邏輯迴歸3.[案例] 邏輯迴歸案例分析
    4.[實戰] 邏輯迴歸預測能力檢驗
    四、【判別分析】基本概念:1.線性與二次判別分類器的理論模型2.構造判別分析分類器具體操作步驟3.[案例] 判別分析產線案例分析4.[實戰] 判別分析預測能力檢驗
    五、【支援向量機】基本概念:5.支援向量機的原理6.線性與非線性可分支援向量機7.支援向量機與金融數據分類8.[案例] 支援向量機金融案例分析9.[實戰] 支援向量機選股預測能力檢驗
    六、【時間序列資料】基本概念:1.配對交易介紹與應用2.群集分析介紹與應用3.[案例] 時間序列金融案例分析4.[實戰] 配對交易選股預測能力檢驗
    七、【決策樹】基本概念:5.隨機森林演算法6.隨機森林優勢7.[案例] 隨機森林的應用:股票市場8.[實戰] 隨機森林演算法選股實作
    八、【類神經網路】基本概念:1.神經元與激勵函數2.類神經網路3.反向傳播算法4.深度神經網路5.[案例] 類神經生產市場應用6.[實戰] 類神經網路自動篩選機制建立
    九、【卷積神經網路(CNN)】基本概念:7.卷積層8.池化層9.全連接層10.卷積神經網路的整體架構及其變形11.[案例] 卷積神經網路的變形應用12.[實戰] CNN 與銷量預測
    十、【循環神經網路(RNN)】基本概念:1.反向傳播算法2.RNN 與 CNN 對股票預測的對比分析3.長短期記憶模型 LSTM 4.GRU 網路5.[案例] RNN,LSTM模型對外匯期貨預測分析6.[實戰]智能投顧:深度聊天機器人
    AI企劃與編程實戰7.定義問題8.觀念架構部署9.資料庫蒐集整理輸入10.編程演算法設定11.預期產出結果小組專題實作發表
  • 開課日期:2019-11-02
  • 結束日期:2019-11-17
  • 上課時間:09:30~16:30
  • 上課時數:36
  • 課程費用:29,800元
  • 費用:學員負擔:14,900元/政府負擔:14,900元
  • 繳費方式:需先至開課單位繳交全額費用
  • 預計招生人數:30
  • 聯絡人:邱怡湘
  • 連絡電話:03-2651321
  • 先備知識:
    Python基本操作
  • 授課師資:陳志祥
  • 招生對象:
    1. 預計或正在評估導入AI的企業負責人或部門主管
    2. 正在或是預計導入AI的相關營運管理工作者如:A.I.工程師、軟體工程師、IT人員、程式設計師、系統工程師、行政管理師、專案經理等
  • 上課地點:中原大學推廣教育處桃園市中壢區中北路200號
  • 課程報名網址: