深度學習實戰| 緯育TibaMe | 提拔我的學習力

有了一些Python基礎，想要更深入了解人工智慧、深度學習嗎？快跟著周凡剛老師的線上課程，學習Keras和TensorFlow，並建立深度學習模型，並利用演算法分析平常難以分析 ... 探索主題課程實體課程專業學程就業養成企業方案人才媒合登入免費註冊0購物車共0筆課程結帳金額:NT$0前往結帳0訊息中心您目前沒有訊息我的課程學習中心我的訂單帳號設定立即下載行動學習APP登出深度學習實戰深度學習實戰人工智慧學院-資料分析全級別•13.0小時•6,947NT$2,500有了一些Python基礎，想要更深入了解人工智慧、深度學習嗎？快跟著周凡剛老師的線上課程，學習Keras和TensorFlow，並建立深度學習模型，並利用演算法分析平常難以分析的資料，跟著TibaMe的Python人工智慧課程，帶領你實際操作最新演算法，且實作分析資料！立即購買加入購物車課程公告課程介紹課程大綱推薦與諮詢問題討論立即購買NT$2,500課程公告課程介紹課程大綱推薦與諮詢問題討論課程公告•2020-05-12Python+TensorFlow+Keras各版本安裝說明，請學員先參考。


Python3.6：
tensorflow版本1.8.0、keras版本2.1.5、protobuf版本3.5.2.post1

Python3.7：
1.tensorflow2.0版本:最新，不必安裝keras，importkeras改為importtensorflow.keras
2.tensorflow1.0版本:1.0最新，keras最新，其餘不用改。



Python3.8：
之前學生使用還有些問題，後續補上。



代老師轉發公告，如有問題歡迎再於討論區提出，謝謝。


2020年05月12日14:30最新討論梵谷單元:CycleGan中的"build_generator"中的u3好像被覆蓋了。

王博民·05月19日09:48梵谷單元:Keras_contrib中的InstanceNormalization不知應該如何替代王博民·05月19日09:48Sequentialmodel中的predict_classes在新版tensorflow被廢棄了，找到下面做法，供參考王博民·05月09日10:40實作二為何一開始不直接設定CNN=128feature?李沛容·05月08日16:42請問課程3-1~3-3的講義在哪裡下載呢？(有看到實作code的部份,transfer.ipynb)范君霖·04月29日10:37前往討論區全級別課程課程共23小節23影片(13.0 小時)提供完訓證書課程目標✅瞭解深度學習的原理和概念。

✅學會如何使用keras套件。

✅擁有實際建立深度學習模型進行數據分析的能力。

▊搶先試閱實作1-2：Mnist手寫辨識的資料預處理  概念2-1：循環神經網絡(RNN)的說明  ★提醒您，本課程為原『Python人工智慧入門：機器學習到深度學習』重新剪輯規劃的課程，為方便學員學習，將原直播影片拆分為『機器學習實戰』、『深度學習實戰』兩門課，更易於學員複習和學習進度追蹤。

課程介紹 機器學習是產業界認為目前現在進行AI最為成功的方法，機器學習方法有許多種不同的模型，1950年代「類神經網路」帶動了第一波的熱潮，然而，在不久後卻遇到了運算瓶頸，沒落了下去，1980年代中期，由其他機器學習模型，如支持向量機（SVM）模型作為主流。

2006年，多倫多大學的GeoffreyHinton教授，成功解決了過往類神經網路所遇到的問題，並將這個新的模型更名「深度學習」。

為如今深度學習技術對各大產業領域都將產生深遠的影響，堪稱第四次工業革命。

深度學習能推廣應用的產業範疇非常的多，現在不單單只有科技公司，許多大型公司都無不想搶進最新發展。

在人工智慧領域中，目前領先的三大巨頭分別為Google、Microsoft、Facebook；尤其在語音識別和圖像辨識上，每個月都可以看到許多公司公布新的技術發展。

每分每秒，AI巨頭們都在使用深度學習改變你我的生活。

人工智慧(ArtificialIntelligence,AI) 亦稱機器智慧，是指由人製造出來的機器所表現出來的智慧。

在人類歷史中可以發現，人類一直在利用所造製的器械讓生活變得更方便，從鑽木取火，狩獵農耕，工業革命，人類都在試著研發、利用機器來提高生產力，減少人工的付出，而利用機器代替人力的極致，就是希望讓機器如同人類一般，產生類似人類智慧的行為，可以主動的學習、掌握技巧、進而自動的可以處理更複雜或更高要求的工作，這是許多研究者窮盡一生的夢想，約翰·麥卡錫於1955年在達特矛斯會議提出人工智慧（英語：ArtificialIntelligence,AI）一詞。

所謂的人工智慧就是要讓機器的行為看起來就像是人所表現出的智慧行為一樣。

從此我們一般對的人工智慧的定義便是「製造智慧機器的科學與工程」。

在電腦運算的速度大幅提升，資料訊息海量的成長，以及電腦演算法的突破發展，2016年Google的AlphaGo成功的打敗了韓國棋士李世乭，為世界宣告了AI世代的來臨。

深度學習(deeplearning)  深度學習是機器學習中一種。

1981年，美國神經生物學家DavidHubel和TorstenWiesel對於動物視覺系統的處理神經傳導信息方式有了進一步的發現，因而獲得了諾貝爾醫學獎。

這個在生物學上的神經元研究，啟發了AI領域關於「類神經網路」(或稱人工神經網路)的概念，利用電腦程式模擬神經元運作，在類似神經系統中的資訊處理和對通訊模式的理解上，如神經編碼，試圖定義拉動神經元的反應之間的關係以及大腦中的神經元的電活動之間的關係，藉以讓電腦達到人工智慧的境界。

由於神經網路的研究在過去被棄置已久，故Hinton教授又將深度神經網路重新換上「深度學習」(DeepLearning)的名字捲土重來。

2012年10月，Hinton的兩個學生使用輝達(NVIDIA)出產的GPU、加上深度學習模型(他們採用了專做圖像識別的捲積式神經網路CNN)，一舉拿下ImageNet的冠軍，(2007年起史丹佛大學每年所舉辦ImageNet圖像識別競賽，讓機器從數以百萬張圖像資料中進行辨識，為機器學習界一大盛事)。

讓眾多研究者發深度學習能有如此殺傷力強大的效果。

之後2016年運用深度學習的Google的AlphaGo更讓世人瞭解到新的工業革命已經開始。

課程設計 深度學習本身都是由數學、統計學等發展過來的，其中的演算法、微積分等讓許多人望之卻步，以為許多懂了這些天書般的數學符號，才有辦法瞭解與使用深度學習。

這次周老師將運用他多年的教學經驗，讓同學在輕鬆活潑的講解下，瞭解這些演算法背後的數學模型，並一步一步的解析整個實作流程帶領同學，學習如何透過keras套件使用其提供的API並放入資料，讓你輕鬆地使用深度學習做圖像或文字分析，進而變成你未來進行資料分析、工作發展的一大利器。

課程重點1.學會如何運用CNN+MLP處理圖像分類的問題。

2.學會如何運用Embedding+MLP進行情感分析。

3.學會如何運用遷移學習的方式來縮短建置模型的時間。

學習成果1.具備深度學習的基礎知識。

2.具備運用keras套件建立深度學習模型的能力。

3.具備使用深度學習模型進行專案開發的能力。

教學特色Elwing老師擁有豐富的線上教學經驗，擅長將複雜觀念轉化為淺顯易懂的架構或圖例說明，講師在課堂中逐步帶領實作教學與演練，讓你猶如上實體課程般的真實感受。

誰適合學習這門課程呢？1.想將深度學習應用於專案的專案開發人員。

2.具備程式設計能力但不具備開發AI功能的程式設計師。

3.對於資訊相關科系畢業想增加自身技能的社會新鮮人。

學習前需要有什麼基本能力呢？1.基本電腦使用經驗。

2.具備Python基礎能力。

▲基礎課程推薦還不太會寫Python？建議先學凡剛老師的第一堂課【地表最好懂的Python程式設計】▲建議搭配學習課程深度學習跟機器學習一起學，更能了解AI全貌，現在就去看看吧！【Python人工智慧入門：機器學習實戰】學習前需要準備什麼呢？▪ 只需要準備一顆渴望學習的心就可以學習嚕！ 常見問題 Q:請問在哪裡上課？上課時間？ 此課程是『線上課程』喔！所以課程上線後，隨時隨地都可以透過手機、平板、與電腦在TibaMe上看課程影片，沒有時間和地點的問題！ Q:課程可以看幾次？ 不限次數，沒有期限！TibaMe的線上課程都可以一直看一直看一直看！ Q:可以問老師問題嗎？ 當然！如您在購課前有課程內容相關問題，可以先至「課前提問」提出問題；上課後，對老師影片內容有任何不清楚，可以至「課程討論區」與老師同學一同切磋討論喔！ Q:還有其他問題？ 到FAQ看看更多問題解答 全級別課程課程共23小節23影片(13.0 小時)提供完訓證書關於講師周凡剛我是周凡剛，你也可以叫我Elwing。

我具多年的程式語言教學經驗，非常理解程式語言初學者的痛點與卡關處。

在我的課程中，我會以簡單易懂、貼近實際應用的教學方式，切入語言核心概念，讓你輕鬆了解程式語言內涵世界。

接著，我擅長使用有趣又生活化的例子，引導你進入大數據的世界。

快來一起學【地表最好懂的Python課程】吧！學歷：✎台大電機系學士畢業✎台大電機系CS組碩士畢業經歷：✎北科大、中央大學Python講師✎半導體製造業AndroidR&D✎資策會JAVA、動態網頁講師專長✎Python、資料科學✎C、C++、JAVA✎Swift、PHP、SQL、網頁設計課程大綱1.深度學習基礎課程深度學習的基礎概論53:06多層感知器(MLP)-神經網路架構30:12多層感知器-原理說明01:02:54多層感知器-進行Mnist手寫辨識的理論21:30Tensorflow安裝說明09:39實作1-1:下載並讀取Mnist手寫辨識資料集19:37實作1-2:Mnist手寫辨識的資料預處理試閱15:06實作1-3:建立神經網路模型21:03實作1-4:模型參數的設定說明45:38實作1-5:evaluate評估函式與混淆矩陣08:59實作1-6:繪製預測結果20:20卷積神經網絡(CNN)原理與架構說明47:49卷積神經網絡經典神經網路模型介紹14:15實作2-1:下載並讀取Cifar10圖像資料集13:28實作2-2:資料預處理與建立模型40:24實作2-3:Colab的介紹與模型訓練及預測31:392.深度學習進階實作實作3-1:遷移學習(TL)的原理與模型遷移步驟 17:51實作3-2:整合MLP網路及固定遷移模型權重33:48實作3-3:批次資料訓練模型及預測結果分析01:11:32實作4:運用嵌入層和多層感知器進行IMDB的影評情感分析01:12:09循環神經網絡(RNN)的說明試閱04:45AI風格轉換-讓電腦向梵谷學創作01:02:47實作5:運用第三方函式庫輕鬆進行人臉辨識01:01:43課程附件實戰深度學習入門.zip4.55MBAI風格轉換-讓電腦向梵谷學創作.zip3.13MB臉部識別（包含浮水印）.pdf1.90MB深度學習_實作檔案取得路徑.pdf662.36KB購買此課程後，才能使用留言功能或我要發問依據發問時間排序依據發問時間排序依據熱門回覆排序依據最新回覆排序排序NoSelection依據發問時間排序依據熱門回覆排序依據最新回覆排序沒有回應的問題目前尚無任何討論主題成為第一個發問的人！在問答中找到學習的捷徑。

載入更多Top登入免費註冊立即下載行動學習APP探索主題課程實體課程專業學程就業養成企業方案人才媒合功能表人工智慧學院軟體開發學院雲端技術學院資訊安全學院數位行銷學院經理人學院商用外語學院多媒體設計學院直播課程最新優惠組合方案政府補助免費課程投資理財認證專區功能表最新優惠【學生限定優惠】上傳學生證即享學生價【認證拿獎金】你考照，TibaMe幫你罩!