~歡迎企業洽談包班需求 ~
「大數據/人工智慧」 同步招生中 !!

一、課程緣起：

<!—深度學習(Deep Learning)的演算方法不但突破了神經網路(Neural Network)發展的瓶頸，也為機器學習(Machine Learning)打造了一條通往人工智慧(Artificial Intelligence)的捷徑。自此，許多知名公司都開始投入大量的資源開發人工智慧相關的產品與服務。—!>例如IBM Watson DeepQA具有閱讀、理解、學習能力的人工智慧問答系統；Apple不斷改善的Siri語音助理；Google DeepMind持續增強的AlphaGo冠軍圍棋高手及Google Allo手機行動聊天助手；Samsung手機助理Bixby；Adobe的多媒體人工智慧輔助設計平台Sensei；NEC可在十秒內監督百萬人的NeoFace Image Data Mining；NVIDIA與VOLVO合作的AI自駕車；Facebook開發如鋼鐵人電影中的AI管家賈維斯等。此外，已經有一千個以上的新創團隊如雨後春筍般的加入人工智慧相關產業的開發，不僅在現有的電腦軟硬體產業上持續成長，在製造業產線上的經營管理、人工智慧晶片設計、區塊鏈(Blockchain)消費模式改造、人文、藝術、法律、醫學、交通運輸上都與人工智慧產生密切的關聯設計。企業家預估人工智慧的未來產值將上看十六兆台幣，顯而易見人工智慧與未來科技和人文的發展是密不可分。

二、課程目標：

• 使學員瞭解深度學習的理論背景、評估如何使用適當的深度學習方法於實際例子包括卷積神經模型用於圖像資料辨識(MNIST/Cifar 10)、轉移式學習、Word2vec、RNN用於垃圾郵件辨識、LSTM於實作上下文預測，以及GAN於影像合成。透過案例說明深度學習中的方法對圖像與文字資料處理，進而增進學員了解深度學習的相關知識與提升在資訊處理時代之競爭力。

三、適合對象：

• 想透過實作案例了解深度學習之設計與規劃實務者。
• 認識深度學習中常用的演算法，以便了解如何正確使用之產品設計與工程技術人員。
• 想了解深度學習如何進行將資料分析，並應用在實務案例等議題者。
• 想累積對深度學習與人工智慧的知識，提升在資訊處理時代競爭力之學員。

四、課程大綱：

1.人工智慧機器學習與深度學習介紹
-深度學習的實例
-Python & 機器學習工具
-類神經網路介紹
-最佳化函數選擇
-損失函數定義與性能評估

2.卷積神經網路
-DNN實作迴歸預測模型
-DNN實作分類預測模型
-CNN網路模型原理
-實作MNIST/Cifar 10 影像圖片分類

3.維度減少法
-Word2vec 的介紹
-RNN與LSTM網路模型原理
-RNN實作垃圾郵件分類
-LSTM實作上下文預測模型
-GAN 網路模型原理
-GAN 實作MNIST影像生成

*課程執行單位保留調整課程內容與講師之權利

五、課程講師：

本課程講師為實務經驗豐富之大學講師，專長領域包括機器人設計與應用、機器學習、機電整合，具有豐富的授課實務經驗。