你有這樣的問題嗎？
- 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。
- 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。
- 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。
- 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。
- 看了很多CNN模型的介紹，但仍感到抽象，不知道如何使用。
- 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 module與Package 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
- 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。
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。
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。
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。
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
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
 |
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。
|
