ROS機器人

 

 

 el-AI-Python

現在位置:艾鍗學院數位學習AI人工智慧Python程式精修
el newyear 728x90
你有這樣的問題嗎?
  1. 覺得自己會寫Python,但每次遇到Python資料結構list(陣列)、tuple(元組)、dictionary(字典)等基礎觀念總是會搞混,也不知道使用時機。
  2. 照著別人的範例寫code非常容易,但是要自己從零開始寫起,卻不知道從何開始,特別是「for迴圈」、類別設計、例外處理等。
  3. 對於常常聽到Python套件(如numpy、pandas、matplotlib等),但對於其中的資料結構、指定(iloc v.s. loc)、參數設定總是似懂非懂,更別說是使用方法與矩陣運算等應用。
  4. 覺得機器學習與深度學習中的專有名詞(Batch Normalization、Dropout、Early Stopping等)非常難懂,因此無法理解整個模型運算的流程。
  5. 看了很多CNN模型的介紹,但仍感到抽象,不知道如何使用。
  6. 會基礎的機器學習與深度學習模型運用,但是不了解運用哪些技巧來提升模型績效。
AI,其實是一種解決問題的方法;而程式語言,是一種解決問題的邏輯思維。做AI應用如果沒有紮實的程式底子,就好像是寫作文卻不識字。要成為一個傑出的AI工程師,具備熟練的程式技能是基本的能力。有別於坊間篇應用卻沒有闡述基礎觀念的AI數位課程,本課程從「程式打底」的角度出發,透過主題式教學,讓你可以自然而然建立良好的物件導向軟體設計思維,輕鬆學會Python modulePackage 的應用,即使是對Python不熟悉的人能快速熟悉Python與核心觀念。透過第一階段打好Python的基礎,在第二階段將能更快學習<運用Keras來實現深度學習的相關應用,像是YOLO影像偵測等。學習期間遇到的任何問題,都能在專屬的助教專區中得到解答。如果你希望能真真正正從零到有的建構AI程式與應用的能力,本課程是你最好的選擇。你的AI能力檔次,由你決定!
我可以學到什麼?
Part1 Python資料科學
  • 對不熟悉Python的人能快速熟悉Python與核心觀念
  • 想建立良好的物件導向軟體設計思維
  • 了解Python module與Package如何建構
  • 學會運用資料科學常用套件-Numpy、pandas、matplotlib來處理、分析與圖表化資料
  • 機器學習的設計方法與術語--從迴歸(Regression)方程式認識機器學習的基本精神
  • 能不使用任何工具套件,以Python實作迴歸方程式
Part2 深度學習
  • 了解什麼什麼是機器學習與深度學習
  • 了解深度學習的原理(DNN)
  • 了解各種深度學習的框架
  • 學會使用Keras進行深層神經網路(DNN)實作以及了解各種訓練技巧-Batch Normalization, Dropout, Early Stopping,…
  • 如何利用DNN 進行Regression
  • CNN模型與工作原理
  • 實作CNN影像分類與進階技巧
  • YOLO實作影像偵測

學習菜單

• 課程總時數 : 37小時
• 觀看天數:60天
• 課程所附教材 : 精編講義、範例程式碼

章章精彩、片刻不冷場,給你最充實的內容,
幫你打穩前進AI人工智慧的基本功。
  • AI人工智慧-Python資料科學
  • Basic Python
    Python 簡介
    變數與動態資料型別
    運算式
    序列資料結構- list, tuple, range
    流程控制
    更多資料結構-set, frozenset, dict, byte, bytearray
    函數
    變數命名空間
    類別設計
    例外處理
    模組與套件
    輸入輸出與檔案處理(txt,csv,JSON, pickle)
    其他(https urlib、beautifulshop,…)
    附錄: Anaconda Windows/Linux安裝與使用
    - conda 套件管理
    - conda 虛擬環境
    - ipython interpreter
    - jupyter notebook
  • Data Science
    數值運算-使用Numpy
    資料視覺化線-使用Matplotlib
    資料擷取與處理-使用Pandas
    機器學習的設計方法與術語
    手刻GD最佳化演算法
    手刻Regression 方法
  • AI人工智慧-深度學習
  • Deep Learning
    機器學習與深度學習技術簡介
    深度學習(深層神經網路)運作原理與相關技術解說
    TensorFlow/Keras介紹與程式架構流程
    Keras實作Regression
    DNN實作分類問題-使用Keras
    加入更多訓練技巧-Batch Normalization, Dropout, Early Stopping,…
    CNN網路模型原理與CNN實作圖像分類問題-使用Keras
    Image Augmentation
    知名CNN網路模型(AlexNet、VGG16、ResNet50,…)
    Transfer Learning原理與實作
    YOLO 多物件偵測與程式架構說明
    Appendix I : Google Colaboratory 使用說明
    Appendix II: GPU配置教學與效能評估

如果你想與講師一對一互動,我們也有實體課程喔! [課程傳送門]

如何學好課程呢?
秘訣1:跟著老師的範例做練習,直到熟悉。
老師的教材都是以銜接產業實務為主軸出發,經過精心整理的經驗精華。如果你能熟悉老師教的範圍,代表你能已經是一個合格的初階工程師。
秘訣2:不懂的地方,可以反覆看。多看幾次就懂了。
玩遊戲打怪需要到一定的經驗值才能升級,學習就宛如打怪,累積到一定的學習時間,你就會”level up”很多知識觀念就會變成一種自然而然的反應。
秘訣3:善用Google。
學習程式,主要就是在學習一種邏輯思維、一種解決問題的思考程序。透過google,先試著自己解答自己的疑問,你會在過程中得到很多收穫,會很有成就感。優秀的工程師都會先試著靠自己的力量找答案,以優秀的工程師為目標,你也離優秀的工程師將更近一步。
秘訣4:求助最強的後盾
的確,有時候靠著自己的能力仍然無法解決問題,如果對練習題目還是不懂或是寫程式卡關,別忘了你有最堅強的後盾。歡迎來信到助教信箱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
學員見證
  • 吳同學 : 我非常喜歡這些課程內容,讓我清楚學會如何神經網路模型和相關參數的設定。
  • 許同學 : This course is great. I like it.
  • 邱同學 : 很棒的課程。原本我以為我會寫python,上完課後的感覺是原來我之前學的好淺喔。
  • 章同學 : 課程內容不錯,可以用淺顯易懂的方式讓我理解一些很抽象的概念。
  • 王同學 : 哇! 內容真的很扎實。
  • 林同學 : 解釋得很清楚。
  • 李同學 : 我覺得神經網路內容的講解很棒。唯一美中不足的地方就是沒教RNN。XD

全新數位平台

課程諮詢

在一個快速變遷的世界裡,確定會失敗的唯一策略是:不冒險。如果你欣然擁抱趨勢,踏向偉大的大數據工程師修練之路,風向也會幫你一把。搭上艾鍗學院的學習列車,不可思議的旅程,從此開始!若您希望對本課程有更多了解,歡迎留下您的資料,或撥服務專線(02)2316-7736,艾鍗學院將竭誠為您服務喔!

 
0403 jeff bezos amazon 400x400

Amazon創辦人 Jeff.Bezos

當你抵抗趨勢,那你就是在和未來作對。

但若你選擇欣然擁抱,風向會幫你一把。