跳到主要內容
:::

Python深度學習實戰班

瞭解深度學習原理原則能實作深度學習TensorFlow & Keras套件,瞭解深度學習不同演算法在運用上的差異與優缺點,可以依照資料分析的需求不同,選擇不同深度學習的方法

  • 開課單位:緯育股份有限公司
  • 課程大綱:
    Day1 - 從人工智慧到深度學習
    ■ 人工智慧的發展歷史
    ■ 單層感知器 (Perceptron)
    ■ 基礎環境建置及解說
    ■ 機器學習 (決策樹、邏輯斯蒂回歸)
    ■ 多層感知器 (Multilayer Perceptron)
    ■ 使用多層感知機辨識驗證碼
    ■ 支持向量機 (Support Vector Machine)
    ■ 受限波茲曼機 (Restricted Boltzmann Machine)
    ■ 深度信念網路(Deep Belief Network)
    ■ GPU + 深度學習
    ■ 人工智慧 v.s. 機器學習 v.s. 深度學習

    Day2
    TensorFlow & Keras
    1.TensorFlow 簡介
    ■ 安裝TensorFlow
    ■ 使用TensorFlow Playground視覺化人工神經網路
    ■ Keras 安裝與配置
    2.人工神經網路(Artificial Neural Network)
    ■ 神經元 (Neurons)
    ■ 激勵函數 (Activation Function)
    ■ 人工神經網路如何運作
    ■ 梯度下降 (Gradient Descent)
    ■ 理解隨機梯度下(Stochastic gradient descent)
    ■ 反向傳播演算法(Backpropagation)
    ■ [實例] 使用人工神經網路預測客戶是否可信
    ■ 評估、調參、優化人工神經網路
    ■ 比較人工神經網路與其他機器學習

    Day3 - 卷積神經網路 (Convolutional Neural Network)
    ■ 什麼是卷積神經網路 (Convolutional Neural Network)
    ■ 卷積特徵提取
    ■ ReLu層 (Rectified Linear Units)
    ■ 池化層 (Pooling)
    ■ Flattening 層
    ■ 建立卷積神經網路
    ■ 什麼是SoftMax 與 Cross-Entropy
    ■ [實例] 利用卷積神經網路辨識圖片
    ■ 如何調校卷積神經網路

    Day4 - 卷迴圈神經網路 (Recurrent Neural Networks)
    ■ 什麼是迴圈神經網路 (Recurrent Neural Networks)
    ■ 消失的梯度問題 (The vanishing gradient problem)
    ■ 長短期記憶網路 LSTM (Long Short-Term Memory)
    ■ 建立迴圈神經網路 (Recurrent Neural Networks)
    ■ 利用迴圈神經網路 (Recurrent Neural Networks) 預測股價
    ■ 如何調校迴圈神經網路 (Recurrent Neural Networks)

    Day5 - 自編碼網路 (AutoEncoder)
    ■ 什麼是自編碼網路 (AutoEncoder)
    ■ 訓練自編碼網路 (AutoEncoder)
    ■ 過完備隱藏層 Overcomplete Hidden Layers
    ■ 稀疏編碼 (Sparse Autodncoders)
    ■ 降噪自動編碼 (Denoising Autoencoders)
    ■ 收縮自動編碼 (Contractive Autoencoders)
    ■ 多層自動編碼 (Stacked Autoencoders)
    ■ 深度自動編碼 (Deep Autoencoders)
    ■ [實例] 使用自編碼網路建立推薦系統
    ■ Day6 - 生成對抗網路 GAN (Generative Adversarial Nets)
    ■ 生成對抗網路 GAN (Generative Adversarial Nets) 基本原理
    ■ 訓練自編碼網路 (AutoEncoder)
    ■ GAN 代價函數
    ■ 深度卷積對抗生成網路 (DCGAN)
    ■ 批歸一化 (Batch Normalization)
    ■ 小步長卷積 (Fractionally-Strided Convolution)
    ■ [實例] 利用生成對抗網路 GAN 自動生成圖片
  • 開課日期:2019-03-03
  • 結束日期:2019-03-24
  • 上課時間:03/03(日)、03/10(日)、03/16(六)、03/17(日)、03/23(六)、03/24(日) 09:30-17:30
  • 上課時數:42
  • 課程費用:30,000元
  • 費用:學員負擔:15,000元/政府負擔:15,000元
  • 繳費方式:需先至開課單位繳交全額費用
  • 預計招生人數:13
  • 聯絡人:Una
  • 連絡電話:(02)6612-7046
  • 先備知識:
    曾學過程式語言語法(java、C++、C等)
    會使用Python程式語言
    學習過線性代數
    學過微積分
    瞭解資料結構化與半/非結構化
    學習統計學
  • 授課師資:丘祐瑋 執行長
  • 招生對象:

    ■ 任何希望能夠瞭解深度學習的學習者
    ■ 希望利用深度學習進行資料分析的資料分析人員
    ■ 想要導入深度學習的PM與管理者
    ■ 想利用Python深耕AI的人
  • 上課地點:台北商業大學(台北市中正區濟南路一段321號)
  • 課程報名網址:https://www.tibame.com/offline/python_ai