感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
1. AI 工程介紹
- 什麼是 AI 工程?
- AI、機器學習與深度學習之區別
- AI 工程生命週期
- 跨產業的 AI 應用
- AI 工程師的角色與責任
2. 人工智慧基礎
- 核心 AI 概念與術語
- 監督式、非監督式與強化學習
- 神經網路與深度學習基礎
- 生成式 AI 與基礎模型概覽
- AI 開發生態系統與框架
3. AI 工程的 Python 應用
- AI 必要的 Python 函式庫
- NumPy、Pandas 和 Matplotlib
- 數據處理與視覺化
- Jupyter Notebooks 使用
- 編寫可重複使用的 AI 代碼
4. AI 的數據準備
- 收集與理解數據集
- 數據清洗與預處理
- 特徵工程
- 特徵縮放與正規化
- 將數據集分割為訓練集、驗證集和測試集
- 處理缺失值與異常值
5. 機器學習基礎
- 迴歸演算法
- 分類演算法
- 叢集技術
- 模型訓練工作流
- 模型評估指標
- 防止過擬合與欠擬合
6. 使用 TensorFlow 和 PyTorch 建構 AI 模型
- TensorFlow 介紹
- PyTorch 介紹
- 建立神經網路
- 模型訓練與驗證
- 模型的保存與加載
- 比較兩種框架
7. 自然語言處理基礎
- 文本預處理
- 詞嵌入
- 文本分類
- 情感分析
- Transformer 模型介紹
- 實用的 NLP 應用
8. AI 在軟體開發中的應用
- 將 AI 整合至現有應用程序
- 透過 API 呼叫 AI 服務
- 開發 AI 驅動型應用程序
- AI 輔助軟件開發工具
- 測試 AI 啟用型應用程序
9. AI 工程最佳實踐
- 專案組織
- 使用 Git 進行版本控制
- 實驗追蹤
- 模型版本管理
- 文件標準
- AI 專案的重現性
10. AI 模型的部署
- 模型序列化
- 建構推論服務
- AI 模型的 REST API
- Docker 在 AI 部署中的應用簡介
- 監控已部署的模型
- 模型維護與更新
11. AI 數據工程
- 數據管線
- ETL 流程
- 管理結構化與非結構化數據
- 數據儲存選項
- 數據品質管理
- 準備生產就绪的數據集
12. 負責任且合乎倫理的 AI
- AI 偏差與公平性
- 可解釋性 AI (XAI)
- 隱私與數據保護
- AI 安全考量
- 負責任的 AI 開發
- 法規與治理考量
13. AI 專案管理
- AI 專案生命週期
- 適用於 AI 專案的敏捷方法論
- 技術團隊與商業團隊之間的協作
- 評估 AI 專案
- 風險管理
- 衡量專案成功度
14. AI 工程實作工作坊與未來趨勢
- 建立完整的 AI 開發工作流
- 建構端到端的機器學習專案
- 使用 TensorFlow 或 PyTorch 訓練並評估模型
- 部署簡單的 AI 應用程序
- 當前的 AI 工程趨勢
- 生成式 AI 與大型語言模型 (LLMs)
- MLOps 與 AI 自動化
- 職業發展路徑與持續學習
- 總結、問答環節與後續步驟
最低要求
- 具備基本程式設計概念的理解
- 有 Python 程式設計經驗
- 熟悉基礎統計學與線性代數
受眾
- AI 工程師
- 軟體開發人員
- 數據分析師
14 小時
客戶評論 (2)
所提供的廣泛工具選擇
Miruna Buzduga - Aeronamic Eastern Europe
課程 - AI Enablement Training for Engineers
機器翻譯
逐步進行的培訓,包含大量練習。這就像一場研討會,我對此感到非常高興。
Ireneusz - Inter Cars S.A.
課程 - Intelligent Applications Fundamentals
機器翻譯