【課程】AI人工智慧深度學習 + 機器學習課程,全球都在搶先學!學習AI讓我的電腦變聰明了~自己的未來自己掌控! 久等啦! AI人工智慧課程自開課來受到學員好評迴響,現在AI人工智慧應用大門再次展開~【深度學習】、【機器學習】 一次打包帶走啦!讓你未來應用在買賣股票、借放款、教育研究、銷售層面、企業管理…一起來討教!

  • 名額:每班限額 30 人,額滿為止。?
  • 時間:早上 9 點 ~ 下午 5 點
  • 上課地點:台北市進出口商業同業公會 台北市松江路350號8樓綜合教室。

【課程】AI人工智慧深度學習 + 機器學習課程,全球都在搶先學!學習AI讓我的電腦變聰明了~自己的未來自己掌控!

  • 上課費用(皆含午餐、下午茶、講義、研習證明、當月PC home雜誌書刊、AI人工智慧專書)?
  • 付款時選擇以ATM或超商付費,並於48小時內付款完成,可獲得100元7-11禮券1張,於上課簽到時領取。

? AI人工智慧?深度學習 課程??? ?>>我要報名深度學習

3/24(六)、3/25(日) ,每人?11,000?元? (課程時數: 14 小時)

? AI人工智慧 機器學習 課程??? ?>>我要報名機器學習

4/14(六)、4/15(日) ,每人?11,000?元? (課程時數: 14 小時)

??AI人工智慧?深度+機器 課程??????>>我要報名深度學習+機器學習

3/24(六)、3/25(日) 、4/14(六)、4/15(日)?95折優惠,人 20,900?元? (課程時數: 28 小時)

課程說明

? ?AI人工智慧 深度學習 課程? ?

3/24(六)、3/25(日) ,每人?11,000?元? (課程時數: 14 小時)

【課程】AI人工智慧深度學習 + 機器學習課程,全球都在搶先學!學習AI讓我的電腦變聰明了~自己的未來自己掌控!

【學習目標】

  1. 深度學習現在的應用與優勢
  2. 類神經網路在影像辨識的應用
  3. 文字語意關係實作
  4. 傳統方法與深度學習的差異
  5. DNN、CNN、RNN操作應用
  6. 基礎理論+業界範例+實作練習+技術指導+經驗交流,讓學員從練習中發現錯誤,還有專業講師可以從旁直接導正。

【課程內容】

2018/03/24 (六)? ??Day 1

09:00 ~ 12:00
?
?
?
?
?
【理論】Deep Learning Introduction
  • 基礎類神經網路介紹-傳統方法V.S.深度學習
  • 深度學習現在的應用與優勢-?深度學習最新的研究、那些商品背後是用深度學習
  • 為什麼要使用TensorFlow
【實作】TensorFlow Basic
  • 張量的操作及觀念
  • 常見的類神經網路函數:relu, sigmoid, tanh激活函數、mean square, cross-entropy損失函數、如何使用優化器
12:00 ~ 13:00
Lunch Time
13:00 ~ 17:00
?
?
?
?
?
【理論】DNN Introduction
  • 認識最基礎的類神經網路
  • 如何定義損失函數:?Mean square、?entropy/ cross-entropy介紹
  • 如何優化類神經網路:?Gradient descent、 Momentum method、 RMSprop, Adagrad, Adam optimizer
【實作】DNN Implementation
  • 手寫辨識MNIST:?0-9數字影像分類、 調整不同參數對分類之影響
  • 視覺化類神經網路:?Tensorboard視覺化類神經網路、 監控任一時間點之張量/數值
2018/03/25 (日)? ?Day 2
09:00 ~ 12:00
?
?
?
?
【理論】CNN Introduction
  • 類神經網路在影像辨識的應用:?Convolution、 Maxpool運算方法及物理意義、 CNN的優勢及特性
  • 介紹著名的CNN類神經網路:?Alexnet, Vgg, Googlenet, Resnet, Densenet
  • 進階的影像辨識議題討論:?單一物體影像分割原理、 多物體影像分割原理
【理論】 CNN Advanced Topic
  • 單一物體影像分割原理

  • 多物體影像分割原理

12:00 ~ 13:00
Lunch Time
13:00 ~ 17:00
?
?
?
?
?
?
?
?
?
【理論】RNN Introduction
  • Word2vect?的介紹:?將文字轉成向量、?Skip-gram/CBOW、 Sample softmax
  • 傳統RNN介紹:?傳統RNN的問題、?Truncated Backpropagation
  • LSTM/GRU的介紹:?新型態RNN cell介紹、?LSTM/GRU V.S.?傳統RNN
【理論】RNN Advanced Topic
  • Char-level model 原理概述
  • Image Caption 原理概述
  • 語音辨識原理概述
【實作】RNN Implementation
  • MNIST手寫辨識:?使用RNN做影像辨識
  • 文字語意關係實作:?實作word2vect並視覺化結果
  • 垃圾郵件分類:?使用RNN做多對一之分類、 學習用RNN解決文字分類
【理論】RNN?Advanced Topic
  • 資料前處理方法
  • 資料不平衡問題
  • Labeling Tool 介紹

【作業】CNN Practice

這個作業主要讓同學練習用CNN類神經網路去解決cifar10資料集,並與DNN類神經網路的結果作比較與討論。期望在這個作業中,同學能更熟悉的使用TensorFlow以及了解影像辨識問題該如何解決。

?

>>> 我要報名深度學習

? ?AI人工智慧 機器學習 課程? ?

4/14(六)、4/15(日) ,每人?11,000?元? (課程時數: 14 小時)

【課程】AI人工智慧深度學習 + 機器學習課程,全球都在搶先學!學習AI讓我的電腦變聰明了~自己的未來自己掌控!

【學習目標】

  1. 掌握AI近年驚人的發展
  2. 了解機器學習在做甚麼
  3. 快速理解機器學習中常見的演算法
  4. 學會如何使用scikit-learn
  5. 了解機器學習實務上會遇到的問題
  6. 基礎理論+業界範例+實作練習+技術指導+經驗交流,讓學員從練習中發現錯誤,還有專業講師可以從旁直接導正。

【課程內容】

2018/04/14 (六)? ??Day 1

09:00 ~ 12:00

?

?

?

?

?

【理論】機器學習的介紹

  • 人工智慧跟機器學習的關係
  • 機器學習適合使用的時機

【理論】機器學習的基本觀念

  • 什麼是監督式學習、非監督式學習
  • 機器如何學習

【理論】scikit-learn介紹

  • anaconda虛擬環境、scikit-learn安裝

12:00 ~ 13:00

Lunch Time

13:00 ~ 17:00

?

?

?

?

?

?

?

?

【理論】監督式學習─ 迴歸問題:

  • 線性迴歸(Linear Regression)
  • 多項式迴歸
  • 羅吉斯迴歸(Logistic Regression)

【實作】實作迴歸模型:

  • 講解實作迴歸模型
  • 動手練習迴歸問題

【理論】監督式學習─ 分類問題Part1:

  • 最近距離分群法(K-Nearest Neighbor)
  • 決策數(Decision Tree)

【實作】實作分類模型Part1:

  • 講解實作分類模型
  • 動手練習分類問題

2018/04/15 (日)? ?Day 2

?

?

09:00 ~ 12:00

?

?

?

?

【理論】監督式學習─ 分類問題Part2:

  • 貝式分類器(Naive Bayes)
  • 隨機森林(Random Forests)
  • 支撐向量機(Support Vector Machine)

【實作】實作分類模型Part2:

  • 講解實作分類模型
  • 動手練習分類問題

12:00 ~ 13:00

Lunch Time

?

?

?

13:00 ~ 17:00

?

?

?

?

?

?

?

?

【理論】非監督式學習─ 分群:

  • K平均法(K-means)
  • DBSCAN
  • 最大期望算法(Expectation Maximization)

【實作】實作分群模型:

  • 講解實作分群模型
  • 動手練習分群問題

【理論】非監督式學習─ 降維:

  • 主成分分析(PCA)
  • 奇異值分解(SVD)

【實作】實作降維模型:

  • 講解實作降維模型
  • 動手練習降維問題

?

?>>> 我要報名機器學習

>>> 我要95折優惠報名深度學習+機器學習

?

【 使用軟體 】

  • Google TensorFlow (https://www.tensorflow.org/)
  • Python 3.X版本
  • Numpy
  • Anaconda (https://www.continuum.io/downloads)
  • Jupyter Notebook

【 上課須知 】

  • 本次課程皆需要具備先修知識:至少會一種程式語言(Python佳)
  • 學員當天需自備筆電(Windows / Mac 皆可 memory 8G以上佳,4G也可以只是會跑比較慢),教室提供電源插座。
  • 上課講義為英文。
  • 需先申請亞馬遜 AWS 帳號綁定信用卡使用?GPU 主機,GPU 主機跑12小時每個人約需額外支付$240左右的費用。

? 深度學習的優點??

傳統人工智慧演算法在解決問題的時候,往往需要花費許多專家及人力去做特徵上的抽取,不只成本很高,更重要的是,所抽取的特徵也很容易因人為偏見而產生偏差,進而造成最終結果表現不佳。相較於以往的做法,深度學習能讓電腦自己去學習資料之間的關係,不只節省了抽取特徵的人力,同時所產生的特徵也比較客觀。

? 機器學習的優點??

機器學習是人工智慧領域的一個分支,它包含了許多常見分析資料的手法及技巧,當中一些著名的演算法,更是能幫助我們分析各式各樣不同型態的資料,並輔助我們做重要的決策。

本課程會介紹幾個機器學習常見的演算法,除了理論上的講解外,也會使用?scikit-learn?帶學生動手實作這些演算法,結合理論與實作,期望學生能對於資料科學有更深一層的認識。

?為什麼要學 TensorFlow?

TensorFlow 是 Google 開發出的機器學習套件,也是目前全球最夯的機器學習套件!近年來在物件辨識上有相當大的突破發展!例如:能夠在同一張圖片中辨識及定位多個不同對象;圖片辨識、九宮格的認證方式有效過濾掉出惡意軟體及註冊機器人程式。除此之外, GMAIL 垃圾郵件的分類判定、GOOGLE 翻譯、Youtube 中推薦你可能會喜歡其它的影片、ALPHAGO圍棋等,都是由 TensorFlow 實作出來的!

?什麼是類神經網路?

類神經網路是模仿人類腦袋的神經元,套用在機器學習中,讓機器也能夠擁有類似人腦學習、反應的演算法。為了模仿各種不同的神經元戶相連接的方式,有了 DNN RNN、CNN 三種不同的連接方法。

DNN深度神經網路(Deep Neural Networks)是所有類神經網路理論的基礎。後來為了讓電腦資源使用效率更高,所以發展?CNN卷積神經網路(Convolutional Neuron Networks),是影像常用的方法之一,針對影像作處裡的方法,在影像中抽取特徵,並將圖片分類。RNN循環神經網路(Recurrent Neural Networks)主要處理序列化資料,讓機器可以確認前後文、讀懂一句話、認字,而字的位置會影響調整。

? ? ? ? ?上課講師? ? ? ? ??

Isaac?

畢業於台大電子所,現任多處機構資料科學講師、MOXA 四零四科技人工智慧部門核心成員。專長為人工智慧及資料爬蟲,曾於多處擔任資料科學講師,具有不少相關實戰經驗,如:影像辨識、語意分析及金融數據探勘。

David Cheng (TA)

國立台北科技大學電機工程系所博士班,研究領域為無線感測器網路與物聯網,熟悉Arduino、Intel Edison、Raspberry Pi ,而軟體應用上,也能夠順暢地使C、C++、C#、Python及 MATLAB,現為北科大兼任講師。

? ? ? ? ? 書籍贈送? ? ? ? ??

Isaac老師推薦:【從人到人工智慧,破解AI革命的68個核心概念:實戰專家全圖解 × 人腦不被電腦淘汰的關鍵思考】

【課程】AI人工智慧深度學習 + 機器學習課程,全球都在搶先學!學習AI讓我的電腦變聰明了~自己的未來自己掌控!

? ? ? ? ? 上課花絮? ? ? ? ??

【課程】AI人工智慧深度學習 + 機器學習課程,全球都在搶先學!學習AI讓我的電腦變聰明了~自己的未來自己掌控!

【課程】AI人工智慧深度學習 + 機器學習課程,全球都在搶先學!學習AI讓我的電腦變聰明了~自己的未來自己掌控!【課程】AI人工智慧深度學習 + 機器學習課程,全球都在搶先學!學習AI讓我的電腦變聰明了~自己的未來自己掌控!

? ? ? ? ? 報名須知? ? ? ? ??

Step 1:前往報名、繳費

Step 2:直接在課程頁面報名並繳費。提供線上刷卡、ATM轉帳、超商代碼三種繳費方式。付款後約20分鐘即可自行查詢繳費結果。付款時選擇以ATM或超商付費,並於48小時內付款完成,可獲得100元7-11禮券1張,於上課簽到時領取。

【 注意事項 】

  • Fun101(以下稱主辦單位)保有修改活動內容之權力。
  • 如欲取消活動,請務必來電或以 E-Mail方式聯繫客服人員或承辦人員,以做為提出取消參加之表示。已繳費者若無法參加活動,活動舉辦當天0點0分以後提出取消參加者不退費,活動前一天 23:59:59 以前提出取消要求,酌收已付款項之10%做為行政處理費。
  • 本活動以完成付款認定取得報名資格。參加者在課程頁面報名並繳費,若超過48小時付款期限,會將名額讓給其他候補參加者。
  • 為提供訂購、行銷、客戶管理或其他合於營業登記項目或章程所定業務需要之目的,家庭傳媒集團(即英屬蓋曼群島商家庭傳媒股份有限公司城邦分公司、城邦事業股份有限公司、書虫股份有限公司、墨刻出版股份有限公司、城邦原創股份有限公司),於本集團之營運期間及地區內,將以 mail、傳真、電話、簡訊、郵寄或其他公告方式利用您提供之資料(資料類別:C001、C002、C003、C011等)。利用對象除本集團外,亦可能包括相關服務的協力機構。如您有依個資法第三條或其他需服務之處,得致電本公司客服中心電話 0800-020-299 請求協助。相關資料如為非必填項目,不提供亦不影響您的權益。
  • 有任何關於此活動文章上的問題歡迎致電洽詢(02)2518-1133 #3276。

使用 Facebook 留言

sam
1.  sam (發表於 2018年3月15日 00:52)
註冊成Fun101的會員並訂閱電子日報 . 在雜誌訂戶編號裡面書寫PChome雜誌訂戶編號就可獲得電子雜誌,但是我都找不到PC Home雜誌編號在哪邊 填寫 (註冊裡找不到) 請告知?

發表回應

謹慎發言,尊重彼此。按此展開留言規則