AI人工智慧 / 物聯網系列


【Python靈活應用-12小時】
  1. 認識 Python
    • Windows 安裝 Python
    • 安裝 Python 編輯器
    • 執行 Pyhton 程式
  2. 認識語法
    • 資料型態與變數
    • 變數命名規則
    • 運算式與註解
    • 程式流程
    • 函數運用與類別
    • 套件
    • Python函數安裝使用
  3. Python基本語法
    • 變數與資料型態
    • 運算式
    • 判斷式
    • 認識迴圈、資料結構(3hr)
    • 迴圈
    • 串列
    • 函式

 
【Python與AI人工智慧開發入門-66小時】
  1. 程式語言概論與資料輸出入。
  2. 數值計算與條件分析。
  3. 重複執行與字串操作。
  4. list資料操作。
  5. 字典與函數。
  6. 數值與函數進階運用。
  7. 匿名函數與套件使用。
  8. 檔案存取與Numpy。
  9. Numpy建立與計算。
  10. 圖表與Pandas存取。
  11. 資料探索分析拆組。
  12. Numpy增減與統計。
  13. 由Numpy到Pandas。
  14. 遺失與重複值處理。
  15. 轉換取代與分組。
  16. 合併連結與圖表整合。

 
【Python資料科學應用開發-66小時】
  1. 方程式操作、函數與極限。
  2. 矩陣與敘述統計。
  3. 機率運算與分配。
  4. 研究、抽樣與估計。
  5. 假設與單雙尾檢定。
  6. 可靠有效與相關分析。
  7. 機器學習概念簡介。
  8. 資料探索。
  9. 資料準備與清理。
  10. 特徵選擇與萃取。
  11. 感知器與適應線性神經元。
  12. 由KNN到Logistic Regression。
  13. SVM與決策樹。
  14. 模型評估與效能調校。
  15. 整體學習與非監督式學習。

 
【Python機器學習應用開發-66小時】
  1. 深度學習導論。
  2. 迴歸分析。
  3. 模型介紹與簡單模型實作。
  4. 深度學習模型介紹與應用。
  5. 卷積神經網路(CNN)的概念介紹。
  6. 卷積神經網路(CNN)的應用。
  7. 自然語言處理(NLP)介紹。
  8. 循環神經網路(RNN)應用。
  9. 生成對抗網路(GAN)。
  10. 語音處理概念與應用。
  11. 語音辨識實作。
  12. 集群分析(Clustering)。
  13. 強化學習導論。
  14. 馬爾可夫決策過程與動態編程。
  15. 時間差異學習。
  16. 用函數逼近與理解政策梯度。

 
【Python人工智慧整合開發】
  1. NLP與神經模型。
  2. 深層語義相似度模型及應用。
  3. 自然語言理解。
  4. 深度強化學習。
  5. 視覺語言多模式處理。
  6. 語音背景與基本理論。
  7. 語音信號處理。
  8. 聲學建模及技術。
  9. 聲學與神經網路。
  10. 語言建模與語音解碼。
  11. 影像基本介紹與分割。
  12. 邊緣偵測、輪廓與角點。
  13. 邏輯運算、群集與區域成長。
  14. 從分水嶺(OpenCV Watershed)開始。
  15. Viola-Jones與HOG計算推導。
  16. 圖像金字塔與CNN。
  17. Segmentation與Face Detection。
  18. 專案實作

 
【AI Chatbot聊天機器人製作】
  1. Microsoft Azure 雲端運算平台與服務。
  2. 建立及管理 Azure虛擬機器。
  3. 建立及管理 Azure虛擬機器II。
  4. Azure儲存體 Blob。
  5. Azure SQL資料庫。
  6. Azure Redis快取與搜尋服務。
  7. Azure Active Directory (Azure AD)。
  8. 開發 Azure Logic Apps應用與 Azure App Service行動應用。
  9. Visual Studio 2017開發工具介紹與專案範本建立。
  10. 利用 Microsoft LUIS語意理解服務讓你的Chatbot更聰明。
  11. 整合你的Chatbot與各平台串接。
  12. Microsoft Bot Framework進階運用。
  13. QnA Maker API快速打造智能客服AI聊天機器人。
  14. 語音辨識用說的AI聊天機器人。
  15. 人臉辨識Chatbot。

 
【ML 與 R 語言資料分析】
  1. 何謂資料庫與大數據整合。
  2. 解釋如何使用 Microsoft R Server及Microsoft R Client work。
  3. 大數據資料視覺化與程序處理。
  4. 平行處理分析操作。
  5. 建立迴歸與區分模型並評估資料。
  6. 利用SQL Server及Hadoop處理大數據。
  7. 製作分析作業與任務選項。
  8. 資料設定管理:使用Azure機器學習設定數據資料。
  9. 使用特徵工程與選擇(Feature Engineering and Selection)。
  10. 建立Azure機器學習的模型並使用其分類與叢集模型。
  11. 運用Azure機器學習以建立迴歸算法和神經網絡。
  12. 初始化和最佳化機器學習的模型。
  13. 使用HDInsight搭配認知服務與機器學習。
  14. 機器學習與R服務的搭配運用。

 

聯絡我們

歡迎聯絡我們,我們會竭誠為您服務,期待與您合作,謝謝!



詢問類型





備註:

驗證碼

巨匠電腦股份有限公司

李小姐

wini@pcschool.com.tw

+886-2-2312-3308 ext.128

+886-2-2389-4546

100台北市中正區公園路32號3樓

最新消息
實體課程