AI機器學習與深度學習實戰班 - 艾鍗學院
文章推薦指數: 80 %
資深RD親授,一對一問題指導,培養業界所需的AI職能。
課程規劃以AI軟硬整合角度出發,運用Python掌握資料工程、機器學習與深度學習的技術精隨,搭配艾鍗軟硬韌體學習 ...
課程介紹
適合對象
課程大綱
課程諮詢
AI課程總覽
現在位置:艾鍗學院>實體課程>AI課程總覽頁>AI機器學習與深度學習實戰
本課程採取遠距同步教學,歡迎全台學員加入學習!
課程介紹
本課程以循序漸進的方式說明機器學習的重要基本觀念,並以scikit-learn說明這些機器學習演算法如何實際套用於資料上。
有了機器學習的基礎後,會開始說明神經網路的工作原理及該如何調整參數來優化模型。
講師會針對不同的AI主題(例如,圖像分類、圖像壓縮、風格轉換、圖像分割、物件偵測、文字探勘和推薦系統),除了主題描述以及解決方案解說外,也會搭配Keras/TensorFlow程式實例進行手把手教學。
AI專家一對一指導,培養跨領域AI職能面對AI人工智慧,與其漫無章法地學習,不如跟著專家有系統的學
關鍵詞:機器學習、深度學習、scikit-learn、Keras、Tensorflow、CNN、AutoEncoder、TransferLearning、SemanticSegmentation、RNN、LSTM、AudioRecognition
AI人工智慧小常識
什麼是機器學習(MachineLearning)?
機器學習是AI人工智慧的其中一個分支,簡單來說它就是讓機器可以像人一樣,可藉由閱讀大量的資料建立規則而具有知識,而機器學習就是透過演算法來分析數據、從中學習來判斷或預測現實世界裡的某些事(專家其實是訓練有素的狗,機器學習大概就是這個味道)。
閱讀已知的大量資料就是所謂訓練的過程,透過足夠多的TrainingData建立出一個Model(最佳函式),這個Model 就是"機器的知識",之後你可以餵未知的資料給機器,機器就能進行預測或判斷。
機器學習並非手動事先用程式撰寫好指令規則來判斷,而是使用大量數據和演算法來「訓練」機器,自動產生規則判斷或預測。
什麼是深度學習(DeepLearning)?
它其實就是中間層(HiddenLayer)有很多層的NeuralNetwork(DeepNeuralNetwork),像AlexNet達到8層級,ResNet已達到100多個層級。
每建構一個HiddenLayer就代表建立同款式但有著不同花樣的過濾器(Filter)/篩子,以篩出不同的特徵。
愈多的HiddenLayer就代表用了更多款式的篩子。
經過BackPropagation計算後,可求得每種款式每種花樣篩子的權重。
愈重要的篩子權重愈高,而愈不重要的篩子權重就會愈低。
這些權重較大的篩子,代表用這些篩子可以篩出X-->Y的重要成份,也就是"特徵"。
這也就是深度學習最強的地方--自動特徵擷取,而不是由人來先定義好特徵。
(more..)
機器學習或深度學習的技術可以應用在哪?
機器學習的演算法已廣泛應用於資料探勘、電腦視覺、自然語言處理、語音和手寫識別、生物特徵識別、DNA序列測、搜尋引擎、醫學診斷、金融數據分析與證券市場分析等方面。
所以幾乎各行各業,包含金融保險業、電信業、零售業、製造業、醫療產業等,都會用到機器學習的技術。
而以深度學習作為機器學習的方法,則多用在影像辨識、語音分析,這種比較沒有因果關係或者連人類都很難解釋的邏輯推理。
課程特色
接軌業界AI人工智慧課程規劃
艾鍗AI人工智慧講師團隊為業界的AI人工智慧工程師,在產線數據分析、AI影像處理等領域已經累積豐富的開發經驗,所以更清楚產業界需要什麼樣的AI人工智慧人才。
因此,教學規劃從業界需求角度出發,輔以不同的產業主題,循序漸進地幫助學員培養出與業界需求銜接的AI人工智慧能力。
而在艾鍗,你才會學到真正在AI人工智慧專案開發上所會遇到的問題與解決方式,這些經驗都是你在書本上或其他單位學不到的珍貴知識。
此外,在學習的過程中,老師會分享AI人工智慧在某些領域的商業模式,啟發你用AI人工智慧創造新商機的想法。
聚焦AI人工智慧實務應用
本課程並非要教你用複雜的數學原理進行演算法開發,而是聚焦在讓你具備在實務上應用AI人工智慧演算法的能力。
教材編排上有嚴謹的系統架構,由淺入深,讓你能清楚當前的學習進度與方向。
同時教學著重在幫你培養分析與解決問題的思維能力。
此外,透過每次的教學互動,講師深深了解學員的學習需求與困難,詳細說明每個主題應用的程式碼與處理步驟,提高你吸收成效。
與業界AI人工智慧雙講師一對一互動
你是否曾遇到講師在台上問學員有沒有問題,而學員都沒有人舉手?你是否曾遇到想請教老師問題,而問問題的學生很多,讓你無法得到協助?為了讓你可以和講師直接互動來提升學習成效,艾鍗採小班制教學規劃。
課堂上同時有兩位講師,若你在聽講或是實作過程中遇到任何問題,可以直接舉手發問,講師會為你解惑。
另外,艾鍗也提供線上和線下的問題詢問管道,讓你不論在什麼時候複習,只要遇到問題,都有尋求幫助的管道。
手把手上機實作演練AI人工智慧演算法
如果課程僅是理論、數學公式、案例講解,而沒有讓學員實作,相信你也知道這種學習效果是不好的。
合格的AI人工智慧工程師必須具備實作的能力,為了提供學員更即時的協助,課堂上有雙講師協助學員實作。
畢竟有講師一對一協助,你才不用再花許多時間除錯(debug)。
每堂課結束後,講師會出回家作業,讓學員可以透過回家作業來檢視自己的學習狀況。
若遇到任何問題,可以透過艾鍗提供的詢問管道尋求協助,或是等待下次上課由講師講解。
另外,每堂課的各個主題練習也都會有完整的範例程式碼與步驟說明,只要照著步驟反覆練習,你會發現AI人工智慧真的不難。
提供課前Python教學
為了與時代接軌,不論你會不會寫程式,你都必須要了解AI人工智慧。
艾鍗AI人工智慧課程主要是以Python程式語言進行授課,為了降低不會寫程式的學員的學習門檻,艾鍗提供隨課附贈Python教學,只要你反覆練習,在學習AI人工智慧時,會有更好的學習成效。
豐富的軟硬整合學習資源
學習AI人工智慧最重要的是如何實現AI人工智慧應用。
有別於其他教學單位,艾鍗有豐富的韌體、硬體學習資源,可幫助你在紮實的AI人工智慧基礎下,透過其他韌體、硬體技術能力來為你創造軟硬整合的優勢。
在職場上,擁有軟硬整合實力的你,競爭力將遠遠領先純AI人工智慧工程師或是純硬韌體工程師。
學習目標
了解機器學習的核心觀念與常見的分類演算法
會使用Scikit-learn進行如LogisticRegression、SVM、DecisionTree、NeuralNetwork等機器學習的實作
了解深度學習(類神經網路)的核心觀念與工作原理
會使用Keras/TensorFlow進行DNN、CNN、RNN/LSTM等深度學習演算法實作
了解深度學習如何應用在數據資料、圖像和語音的領域
※完訓後提供結業證書,豐富個人履歷即戰力
適合對象
想學習如何使用機器學習或深度學習,包含資料處理、建立模型、設計資料分析演算法、測試與調校
沒相關背景但對機器學習或深度學習有興趣,或是接觸過卻似懂非懂,不知如何開始
想透過機器學習與深度學習實戰來結合本業know-how創造藍海優勢的您!歡迎工業、金融、生醫、零售、農業、廣告等產業朋友加入本班
課程大綱
Part1:機器學習實務
AI趨勢
機器學習、深度學習與人工智慧趨勢
如何從零導入AI
企業級人工智慧
機器學習
機器學習觀念與術語
資料與特徵
機器學習模型建立方法:以迴歸模型(Regression)為例
損失函數(LossFunction)
評估模型預測能力的方法:ConfusionMatrix&AUC
特徵降維-PCA演算法與實作
分類演算法Clssification
羅吉斯迴歸(LogisticRegression)
決策樹(DecisionTrees)
支持向量機(SupportVectorMachine)
最近距離分群法(KNN)
處理不均衡數據(ImbalancedData)
Scikit-learn範例演練:房價預測、信用卡欺詐檢測、工廠預防性維保之CNC工具磨耗檢測等
※機器學習實作以ScikitLearn實作解說
Part2:深度學習實務
DNN
類神經網路運作原理
損失函數(LossFunction)的種類(demo)
最佳化函數(Optimizer)的種類
激活函數(ActivationFunction)的種類
倒傳遞類神經網路(BPN)演算法
模型優化方法與參數調整
解決Overfitting方法:Regularization,Dropout,EarlyStopping,…
TensorFlow/Keras介紹與程式架構流程
DNN範例演練:迴歸預測
DNN範例演練:實現邏輯匣分類
DNN範例演練:Multi-label的分類問題
Performancemetric:ConfustionMatrix
RNN
RNN網路運作原理剖析
LSTM&BidirectionalLSTM
LSTM範例演練:乘客數量預測
LSTM範例演練:KKTV上線時間預測
Performancemetric:Precision/Recall,AUC,...
CNN
CNN卷積神經網路運作原理
數據增廣ImageAugmentation
知名的CNN網路模型:AlexNet、MobileNet、VGG16/19、MobileNet
TransferLearning&Fine-TuningModel實作
CNN範例演練:MNIST手寫數字辨識
語音識別(VoiceRecognition)
PCM-encodedwave
GetAudioFeaturebyFFT
AudioSpectrum
範例演練:AudioRecognitionbyCNN(demo)
AppendixI:Anaconda安裝與虛擬環境的建立AppendixII:GoogleColaboratory使用說明
PS.實戰演練的範例將會依據上課實際狀況進行調整
※深度學習實作以Keras、TensorFlow深度學習平台為主
※文字探勘與推薦系統請參考本課程
精彩內容搶先看
【深度學習搶先看】
師資團隊
Jeffery老師
▶台灣大學土木工程研究所博士▶知名上市資訊科技大廠大數據部門研發主管▶類神經網路/基因演算法/最佳化演算法/結構力學/有限元素法/生醫影像處理
Luke老師
▶海洋大學運輸所碩士▶資深系統工程師▶地理資料分析呈現/資料庫設計/MachineLearning運算模組開發/DeepLearningCNN,RNN
Tim老師
▶輔仁大學應用科學與工程研究所博士▶知名上市電子消費品大廠AI研發部門資深工程師▶機器學習/機器人開發/密碼學/影像壓縮/數位訊號處理/生醫資訊/生醫影像處理
Elvis老師
▶美國聖路易大學生物資訊博士▶知名國際3C製造大廠人工智慧研發部門主管▶生物資訊/自然語言處理/統計推論/科學計算/數據科學/資料探勘/數值最佳化/資料庫巨量資料處理/機器學習
課程諮詢
姓名
電話
e-mail
已閱讀個資保護聲明
*請填寫正確的email,系統會自動將相關資訊寄到您的信箱
取得資訊
學習本課程的人也學習了...
Q&A
1.為什麼要學習機器學習?
機器學習觸動每個人的生活,它取決於我們所有的人,自主決定我們想要用它來做什麼。
憑藉著你對機器學習的新理解,你處於一個更好的位置,可以去思考類似隱私和數據資料分享、未來的工作、機器人作戰,以及人工智慧的希望和危險等問題;如果我們有越多人擁有這樣的理解,我們就越可能可以避免重蹈覆轍,並找到正確成功途徑。
如今亞馬遜的演算法,讓世界各地任何人都能便捷決定要閱讀什麼書籍;美國國家安全局的演算法,可以判斷你是否為潛在的恐怖攻擊分子;氣候模型(Climatemodels)決定什麼是二氧化碳在大氣中的安全水平;選股模型(Stock-pickingmodels)所驅動的股市交易量,甚至遠超過大多數人所做的。
基本上,因為你無法控制自己不理解的東西,所以做為公民、專業人士,以及從事幸福追尋的人們,這就是為什麼你需要了解機器學習的原因。
2.機器學習一定要很會寫程式嗎?
資料分析人員也不一定看得懂每一行程式碼,但通常他會具備某一領域知識並懂得如何分析數據。
可透過本課程了解觀念與原理,再利用課堂上的程式碼架構,根據不同目標搭建自己要的訓練模型,也能快速完成任務。
3.為什麼選擇Python而不是R語言?
因Python較R擁有下列優點:1.網絡爬蟲/抓取:儘管rvest已經讓R的網絡爬蟲/抓取變得容易,但Python的beautifulsoup和Scrapy更加成熟、功能更強大,結合django-scrapy我們可以很快的構建一個定製化的爬蟲管理系統。
2.連接資料庫:R提供了許多連接資料庫的選擇,但Python只用sqlachemy通過ORM的方式,可解決了多種資料庫連接的問題,且在生產環境中廣泛使用。
3.內容管理系統:基於Django,Python可以快速通過ORM建立資料庫、後台管理系統,而R中的Shiny的鑒權功能暫時還需要付費使用。
4.API構建:通過Tornado這個標準的網路函式庫,Python也可以快速實現輕量級的API,而R則較為複雜。
4.不會Python可以上課嗎?
可以先參考艾鍗的Python程式語言先修班(線上課程)。
本課所提供的PythonCode,講師會清楚的程式解說,讓您快速掌握程式重點,也會透過GoogleColab平台,讓學員都能100%執行所有的程式範例。
5.會資料科學,數學是不是要很好?
若要自己創造一個更好的分類演算法,一定程度的數學能力肯定避免不了,而資料科學底層的數學主要以機率統計、線性代數為主。
我們上課時,講師會告訴你這個這個模型的的基礎理論是什麼,再配合實際程式的演練讓您可以更快速理解演算法的精義。
然而,資料科學也不光只是算數學或寫程式,對於對特定領域的了解、清楚的分析邏輯、對資料的敏感度,也是相當重要的。
6.自學機器學習與深度學習的艱難在哪呢?
困難1:若想透過網路學習,因網路知識過於片段,深淺不一,學習成效有限。
困難2:若想透過書籍學習,因目前相關技術中譯本不多,主要仍以英文為主,語言門檻是學習者的第一個門檻;即使有中譯本,大部分仍翻譯艱澀並充斥著大量的複雜公式和程式,不夠親和,讓讀者有很大的學習障礙。
因此,有專業的老師帶著學,學習不但事半功倍,而且還能學到資料分析的實際業界經驗。
7.實驗性設計指的是什麼?
資料分析人員也不一定看得懂每一行程式碼,但通常他會具備某一領域知識並懂得如何分析數據。
可透過本課程了解觀念與原理,再利用課堂上的程式碼架構,依據不同目的進行參數調整,其實也能快速達到資料分析的目的。
。
8.資料重塑&資料清理(DataCleanup)的意義?
資料重塑(Reshaping):整合兩個不同來源的表格、合併資料行、合併資料列、資料表排序、將某欄位分割成兩個欄位等。
資料清理(DataCleanup):處理資料缺陷、統一資料格式與單位、處理缺漏值、將空值設定為預設值、移除不完整的列、統一資料型態、大小寫轉換以及文字處理(取代)。
9.請問課程是運用哪種運算平台進行深度學習實作呢?
課程中使用Google的開發工具Colaboratory來進行深度學習實作。
GoogleColaboratory是一個提供JupyterNotebook服務的雲端環境,而且無須額外複雜的設定就可以使用,更棒的是還有提供免費的GPU運算服務。
10.上課需要另外購買書籍嗎?
上課會使用授課講師親編的講義
11.課後仍有不懂的地方可否詢問?
歡迎於本課程的討論板上提出問題,艾鍗的講師或助教都會很樂意為您解答!(討論版網址會在上課第一天公佈)
12.課程如何報名及繳費?
填寫報名表並完成繳費,繳費方式可採取:*ATM轉帳或臨櫃匯款銀行代碼:008帳號:100-10-032218-5華南商業銀行總行營業部戶名:艾鍗科技有限公司*信用卡分期*現金繳款有任何問題歡迎致電艾鍗學院(02)2316-7736
學員反饋
學到很多對工作很有幫助
收穫滿滿
獲益良多!建議多開AIGPU等相關課程
第一次體驗遠距教學,整體的感覺很不錯。
課程相當有趣,老師很專業,且講課淺顯易懂,讓我學到很多
獲益良多,謝謝老師講解很清楚
了解深度學習細部運作模式
符合目前工作上之運用
能區塊的講解程式並提供經驗
理論和實作併行,講義內容豐富,老師解說精確
非常清楚;更有實感
索取資訊
立即索取課程資訊
已閱讀個資保護聲明
取得資訊
AI機器學習與深度學習應用實務
假日進修班開課日期:111/07/23(六)課程時段:假日班課程時數:28小時上課時間:09:30~17:30
精選課程/熱門活動
★遠距教學-AI深度學習影像辨識實戰
★韌體實戰-ARM微控制器韌體開發
★額滿即止-AI智慧應用補助課程總覽
[免費說明會]假日進修班/就業養成班
[業界實戰]SoCFPGA數位IC設計實戰
[補助專班]ROS機器人開發實戰訓練
[硬體實戰]全能電路設計工程師實戰班
[小班教學]嵌入式Linux設計實戰
[預約徵才]專題成果展暨企業徵才活動
[申請大學]APCS程式能力檢定班/營隊
[熱門推薦]Web全端工程師培訓課程
[熱門證照]iPAS巨量資料分析考照班
[實戰首選]感測電路整合設計與應用
[驅動實戰]Linux/LinuxUSB驅動設計
[數位課程]軟韌體隨時隨地輕鬆學習
[最夯技術]IoT物聯網系統整合開發
[5G物聯網]5GSDN網路技術實戰
訂閱艾鍗電子報掌握最新開課資訊與優惠
熱門推薦
06/14↑[遠距]AI智能電子班【待業限定:全額補助+月領8千】
6/18↑FPGA數位IC設計實戰【用FPGA更快速地把產品做出來】
6/12↑ROS機器人系統開發實體+遠距同步授課
6/12↑MCU微控制器培訓學程最後3名即將額滿,速洽!
6/12↑全能電路設計實戰班從原型設計到製造,硬底子養成
7/23↑AI深度學習影像辨識[遠距]AI核心觀念到影像應用
8/20 ↑ 嵌入式Linux開發實戰【15年以上經驗業師親授,產業實戰教學】循序漸進,導入完整開發流程與架構
隨時開課↑工程師數位課程總覽24H隨點隨看,軟/硬/韌體充電
Recruitment↑企業預約徵才歡迎企業預約專題成果展徵才
Email住址會使用灌水程式保護機制。
你需要啟動Javascript才能觀看它
『學員專屬』
已閱讀個資保護聲明
AI機器學習與深度學習實戰班
AI機器學習與深度學習實戰班假日進修班開課日期:110/11/20(六)上課時間:09:30~17:30課程時段:假日班
最新消息
最新公告
近期研討
就業人才培訓計畫
研發實習生計畫
儲備講師生計畫
關於艾鍗
公司簡介
師資簡介
環境設備
會員廠商
活動相簿
交通資訊
企業服務
企業教育訓練
企業儲值優惠方案
企業徵才
技術成果分享
研發設計服務
合作夥伴專區
服務項目
軟硬韌體培訓
待業者職前訓練
補助技術課程
E-learning數位學習
工程師職涯學習規劃
電腦教室租借
社群資源
艾鍗Facebook
艾鍗YouTube
艾鍗技術Blog
教學實錄簡報
艾鍗LINE好友
追蹤艾鍗IG
訂閱艾鍗電子報
學員專區
個資保護聲明
學習地圖
學員見證
課程Q&A
學員權益
會員優惠方案
學員專屬提問平台Email住址會使用灌水程式保護機制。
你需要啟動Javascript才能觀看它
延伸文章資訊
- 1深度學習 - 國立清華大學開放式課程
課程大綱 ; Competition01. Predicting Appropriate Response ; Lecture 09, Large-Scale Machine Learning ...
- 2【AI 深度學習】新手入門應用篇- 線上教學課程- Hahow 好學校
AI 深度學習課程,教你人工智慧的實作與應用。課程包含三大實用主題:學習資料預測、圖片與人臉辨識&分類、文本分類,帶你實作AI 應用,理解深度學習,培養數據導向 ...
- 3AI機器學習與深度學習實戰班 - 艾鍗學院
資深RD親授,一對一問題指導,培養業界所需的AI職能。課程規劃以AI軟硬整合角度出發,運用Python掌握資料工程、機器學習與深度學習的技術精隨,搭配艾鍗軟硬韌體學習 ...
- 4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 ...
- 5【2022年】十大深度學習課程熱門排行推薦與優惠精選!
深度學習課程總覽; 2. 深度學習課程介紹. Deep Learning A-Z™: Hands-On Artificial Neural Networks; Complete Guide to...