• 課程時長

    11 小時 19 分

  • 課程級別

    初級

  • 授課語言

    中文

這堂課你將會學到

  • 瞭解人工智慧 / 機器學習 / 深度學習的關係
  • 瞭解現今深度學習如何被廣泛運用
  • 學習深度學習主流開發工具:Python、Keras、TensorFlow
  • 學習 5 個重點模型運作原理:多層感知器、卷積網路、遷移學習、循環神經網路、人臉辨識
  • 實作專屬 5 項重點模型,包含建立、訓練模型

章節目錄

  • 1

    第 1 章 (自編小書/講義) 機器學習/深度學習

    • 單元 1 - (書) 機器學習/深度學習

  • 2

    第 2 章 深度學習問與答

    • 單元 1 - AI/機器學習/深度學習是什麼

  • 3

    第 3 章 環境準備

    • 單元 1 - Python安裝

    • 單元 2 - Pycharm安裝

    • 單元 3 - 函式庫安裝

  • 4

    第 4 章 Jupyter以及Pandas使用

    • 單元 1 - Jupyter說明格

    • 單元 2 - Kaggle介紹&下載資料集

    • 單元 3 - Pandas基本知識

    • 單元 4 - Pandas行列操作

    • 單元 5 - Pandas轉換/篩選操作

  • 5

    第 5 章 (貼心小叮嚀: 略硬, 準備個咖啡再來) 多層感知器理論基礎

    • 單元 1 - 感知器(單一神經元)

    • 單元 2 - 邏輯斯回歸/多層感知器

    • 單元 3 - 梯度下降

    • 單元 4 - 梯度消失

  • 6

    第 6 章 多層感知器實作 - MNIST手寫數字

    • 單元 1 - (文章) 完整程式碼

    • 單元 2 - 完整MLP模型介紹

    • 單元 3 - 資料預處理

    • 單元 4 - 建立模型

    • 單元 5 - 確定模型

    • 單元 6 - 訓練模型

    • 單元 7 - 驗證模型

    • 單元 8 - 儲存模型

    • 單元 9 - 關鍵報告

  • 7

    第 7 章 卷積網路實作 - CIFAR10彩色現實圖片

    • 單元 1 - (文章) 完整原始碼

    • 單元 2 - CIFAR-10資料集

    • 單元 3 - 什麼是卷積

    • 單元 4 - VGG-16解析

    • 單元 5 - 建立模型

    • 單元 6 - 訓練模型/驗證模型/關鍵報告

    • 單元 7 - Colab/Dropout層

  • 8

    第 8 章 深度學習大絕招 - 遷移學習之貓狗大戰

    • 單元 1 - (資料集) 貓狗資料集

    • 單元 2 - (文章) 完整原始碼

    • 單元 3 - 看一下小貓小狗

    • 單元 5 - 建立模型

    • 單元 6 - 資料處理

    • 單元 7 - 訓練模型

    • 單元 8 - 觀察模型結果

    • 單元 4 - 什麼是遷移學習

  • 9

    第 9 章 詞嵌入(降維)/RNN - IMDB情緒分析

    • 單元 1 - (資料集) IMDB資料集

    • 單元 2 - 資料集瀏覽

    • 單元 3 - 語言處理核心概念/建立模型

    • 單元 4 - 資料預處理

    • 單元 5 - 模型訓練/觀察結果

    • 單元 6 - RNN

  • 10

    第 10 章 降維 - 終極人臉辨識 (已上傳程式碼/程式碼講解影片稍後補上)

    • 單元 1 - (文章) 講義/程式碼

    • 單元 2 - 人臉降維介紹

    • 單元 3 - 準備名人

    • 單元 4 - 辨識結果