目前位置: 首頁 > 公開課程 > 資訊管理 > 企業e化 > 資策會「人工智慧-TensorFlow實作」高雄

資策會「人工智慧-TensorFlow實作」高雄

採用TensorFlow、Keras 做深度學習各式類神經網路演算法的學習與應用

  本課程內容不拘泥於理論與數學、統計等學科,而是以應用、實作角度來學習此一熱門應用工具。課程以Google的開源架構TensorFlow與Python的Deep Learning Library: Keras,實作並說明多個機器學習及類神經網路深度學習範例。

加入收藏
收件人email:
寄件人姓名:
寄件人email:
適合對象:專業人員 、技術人員 、一般職員
 

◆ 課程緣起

近來人工智慧 (Artificial Intelligence, AI)吸引媒體大眾注目,尤其在Google DeepMind AlphaGo 戰勝各圍棋好手後,更吸引大量關注。其實人工智慧早就已出現在我們生活周遭多時;例如製造業的機器視覺、警方使用的人臉辨識或是您手機上的語音助理都是人工智慧應用的實例。

  深度學習(Deep Learning)是機器學習(Machine Learning)的一種,也是AI學門中成長、應用進步最廣最快的一個領域。DNN、CNN、RNN各式類神經網路學習演算法在製造業人工視覺、自然語言處理及醫學影像判讀等領域皆已有非常可觀的應用與成就。

       資策會特規劃「人工智慧實務-使用TensorFlow與Keras作深度學習」課程,簡要清楚說明人工智慧、機器學習與深度學習的各式分類與應用場域。本課程內容不拘泥於理論與數學、統計等學科,而是以應用、實作角度來學習此一熱門應用工具。課程以Google的開源架構TensorFlow與Python的Deep Learning Library: Keras,實作並說明多個機器學習及類神經網路深度學習範例。

本課程重點並不在人工智慧的學理探討研究,而是應用市面上成熟的工具( TensorFlow、Keras )介紹說明,並實作機器學習與深度學習在影像辨識及自然語言處理與情緒分析的應用範例,使學員能掌握AI的精華並能實際應用於目前及日後的工作。

 ◆ 課程效益

  • 協助學員採用TensorFlow、Keras 做深度學習各式類神經網路演算法的學習與應用。

  • 了解邏輯斯回歸(logistic regression)、單層感知器、多元感知器(MLP)、卷積神經網路(CNN)到遞迴神經網路(RNN)的各式演算法並以Keras程式庫及TensorFlow架構實作影像辨識、情緒分析等各種範例。

  • 協助學員掌握人工智慧、深度學習精要並能實際應用。

 ◆ 適合對象
  • 有志於應用深度學學進行企業資料分析、預測的部門主管、技術人員。

  • 管理人員與決策人員。

  • 對此議題有興趣者 。

預備知識:本課程須具備Python基礎,建議學員先修習過「Big Data資料分析- Python實作」或具備Python之基礎課程知識,再修習本課程。

 ◆ 課程內容
   

課程單元

課程內容

基本觀念介紹與環境安裝

  • 人工智慧、機器學習、深度學習介紹。

  • TensorFlow與Keras介紹與安裝

TensorFlow使用

  • Tensor(張量)資料結構

  • TensorFlow 程式設計模型

  • TensorBoard 使用介紹

  • 以tensorFlow實作線性迴歸演算法

類神經網路實作-使用TensorFlow

  • 單層感知器與邏輯斯回歸

  • 多層感知器(MLP)實作—辨識手寫數字(MNIST)改善

  • 使用TensorFlow進行自然語言處理

類神經網路實作-使用Keras

  • 多層感知器(MLP)實作—辨識手寫數字(MNIST)

  • 卷積神經網路(CNN)實作—照片影像辨識

  • 遞迴神經網路(RNN)實作—IMDB情緒分析

課程 *課程執行單位保留調整課程內容、日程與講師之權利*



報名截止日:2018/12/14

開課日:2018/12/15結束日:2018/12/16定價: 請來電洽詢

時數:14 (小時) 時段:09:30~17:30

地點:高雄 | 資策會數位教育研究所高雄教室 | 高雄市前金區中正四路211號8F-1 [看地圖]

簡介

資策會數位教育研究所成立於1979年,全所員工上百人,為全國第一家通過ISO9000認
證之教育訓練機構,TTQS評核為「標竿訓練機構」,連續多年獲選為「MIS Best
Choice教育訓練機構」,為國內各產業培育資通訊技術、管理與應用之專業人才。此
... more

*填寫報名表能讓開課單位更有效的處理您的資料,並優先處理您的需求!


三聯式 二聯式


(重新產生)