|
| 商品編號： | DTW1380 |
|
| 商品名稱： | 臺灣全民學習平台 機器學習實務(2023春季班) 講師:周信宏 影音教學 中文發音 繁體中文版(DVD版) |
|
| 商品分類： | 臺灣全民學習平台 |
|
| 語系版本： | 中文發音 繁體中文版 | |
| 運行平台： | 官方原版畫質MP4檔,沒有任何平台限制,終身使用 | |
| 更新日期： | 2023-12-10 |
|
| 光碟片數： | 1片DVD光碟 |
|
| 銷售價格： | $150元 |
|
| 熱門標籤： | 臺灣全民學習平台
機器學習實務
周信宏
| |
|
|
臺灣全民學習平台 機器學習實務(2023春季班) 講師:周信宏 影音教學 中文發音 繁體中文版(DVD版)
本課程是獲教育部「108年度磨課師課程推動計畫」補助所規劃推出的進階型課程。
課程內容包含：人工智慧技術演進、深度學習多層神經網路（DNN）和卷積神經網路（CNN）的模型原理，以及相關套件（Tensorflow, Keras）的實作方法。
透過資料視覺化呈現、資料前處理和常用機器學習（MLP, Random Forest, Logistic Regression, SVM等）的原理和實作方法，使同學具備影像和數據資料的模型訓練、分類、預測和評估的技術。
課程目標
本課程目標在培養同學具備深度學習和數據分析實作能力，以滿足產業AI人才技能的需求。
授課教師
周信宏／副教授【現職】國立暨南國際大學資訊工程系（原任職長榮大學資訊暨設計學院）【學歷】國立臺灣大學資訊工程學系博士【經歷】暨南國際大學資訊工程系／副教授長榮大學資訊暨設計學院人工智慧研究中心／主任長榮大學資訊管理學系／助理教授／系主任臺灣電腦對局學會（TCGA）／理事財團法人資訊工業策進會－雲端服務暨巨量資料產業發展計畫／AI與數據應用領域專家顧問智慧城鄉生活應用發展計畫－人工智慧應用(AI)融合大影像與多來源資料之智慧診斷服務計畫／技術顧問
【專業】圖形演算法、電腦對局、人工智慧、深度學習、數據分析、生物資訊
00_教材
001_1-1.pdf
002_1-2.pdf
003_1-3.pdf
004_2-1.pdf
005_2-2.pdf
006_2-3.pdf
007_主題1+2_延伸資源.pdf
008_Google Colaboratory操作步驟.pdf
009_Google Colaboratory操作步驟.pdf
010_3-1.pdf
011_3-2(I).pdf
012_3-2(II).pdf
013_3-3.pdf
014_4-1.pdf
015_4-2.pdf
016_4-3.pdf
017_主題3+4_延伸資源.pdf
018_5-1.pdf
019_5-2.pdf
020_5-3.pdf
021_5-4.pdf
022_6-1.pdf
023_6-2.pdf
024_6-3.pdf
025_6-4.pdf
026_主題5+6_延伸資源.pdf
027_7-1.pdf
028_7-2.pdf
029_7-3.pdf
030_8-1.pdf
031_8-2.pdf
032_8-3.pdf
033_主題7+8_延伸資源.pdf
034_9-1.pdf
035_9-2.pdf
036_9-3.pdf
037_9-4.pdf
038_9-5.pdf
039_10-1.pdf
040_10-2.pdf
041_10-3.pdf
042_10-4.pdf
043_10-5.pdf
044_主題9+10_延伸資源.pdf
045_11-1.pdf
046_11-2.pdf
047_11-3.pdf
048_12-1.pdf
049_12-2.pdf
050_12-3.pdf
051_主題11+12_延伸資源.pdf
052_13-1.pdf
053_13-2.pdf
054_13-3.pdf
055_13-4.pdf
056_主題13_延伸資源.pdf
01_一、人工智慧的進展／二、什麼是機器學習？
001_1-1_人工智慧重大進展.mp4
002_1-2_電腦圍棋Alpha Go簡介.mp4
003_2-1_機器學習的類型.mp4
004_2-2_機器學習系統的建構準則.mp4
005_2-3_Python程式開發環境安裝與設定.mp4
02_三、類神經網路／四、MLP案例實作
006_3-1_神經元結構.mp4
007_3-2(I)_多層感知網路（MLP）概念.mp4
008_3-2(II)_多層感知網路（MLP）概念.mp4
009_3-3_MLP模型架構.mp4
010_4-1_MNIST手寫字資料集介紹.mp4
011_4-2_MLP模型建置流程.mp4
012_4-3_MLP模型訓練與評估.mp4
03_五、卷積式神經網路
013_5-1_影像卷積處理概念.mp4
014_5-2_卷積式神經網路（CNN）概念.mp4
015_5-3_CNN模型架構.mp4
016_5-4_CNN經典模型介紹.mp4
04_六、CNN影像辨識案例實作
017_6-1_Cifar-10資料集介紹.mp4
018_6-2_CNN模型建置流程.mp4
019_6-3_CNN模型訓練與評估.mp4
020_6-4_常用的OpenCV影像處理功能介紹 .mp4
05_七、資料處理工具介紹
021_7-1_資料處理工具(I) Numpy.mp4
022_7-2_資料處理工具(II) Pandas.mp4
023_7-3_資料視覺化工具 Matplotlib.mp4
06_八、MLP數據分析案例實作
024_8-1_Iris(鳶尾花)資料集介紹.mp4
025_8-2_MLP模型建置流程.mp4
026_8-3_MLP模型訓練與評估.mp4
07_九、監督式學習
027_9-1_決策樹與隨機森林(Random Forest, RF).mp4
028_9-2_羅吉斯迴歸(Logistic Regression, LR).mp4
029_9-3_支援向量機(Support Vector Machine, SVM).mp4
030_9-4_K-近鄰演算法(k-Nearest Neighbor, KNN).mp4
031_9-5_貝氏分類器(Naive Bayes Classification).mp4
08_十、機器學習工具
032_10-1_Scikit-learn Logistic Regression.mp4
033_10-2_Scikit-learn Random Forest Classifier.mp4
034_10-3_Scikit-learn Support Vector Classifier.mp4
035_10-4_Scikit-learn Kneighbors Classifier.mp4
036_10-5_Scikit-learn GaussianNB和MultinomialNB.mp4
09_十一、監督式學習實作(I)／十二、監督式學習實作(II)
037_11-1_威斯康辛乳癌數據集介紹.mp4
038_11-2_LR模型建置流程.mp4
039_11-3_RF模型建置流程.mp4
040_12-1_SVC模型建置流程.mp4
041_12-2_裝袋法Bagging整體學習.mp4
042_12-3_投票法Voting整體學習.mp4
10_十三、非監督式學習
043_13-1_K-mean分群法.mp4
044_13-2_K-Means實作.mp4
045_13-3_DBSCAN分群法.mp4
046_13-4_DBSCAN實作.mp4
|
|
專業知識教學