聯繫我們
 課程時長 35 時間:

課程簡介

Python 中的人工智慧概觀

  • 人工智慧的核心概念與範圍
  • 用於人工智慧開發的 Python 函式庫
  • 人工智慧專案結構與工作流程

人工智慧的資料準備

  • 資料清理、轉換與特徵工程
  • 處理缺失資料與不平衡資料
  • 特徵縮放與編碼

監督式學習技術

  • 回歸與分類演算法
  • 集成方法:隨機森林、梯度提升
  • 超參數調整與交叉驗證

非監督式學習技術

  • 聚類方法:K-Means、DBSCAN、層級式聚類
  • 降維技術:PCA、t-SNE
  • 非監督式學習的應用案例

神經網路與深度學習

  • TensorFlow 與 Keras 簡介
  • 建構與訓練前饋神經網路
  • 最佳化神經網路效能

強化學習(入門)

  • 智能體、環境與報酬的核心概念
  • 實作基本的強化學習演算法
  • 強化學習的應用

部署人工智慧模型

  • 儲存與載入訓練好的模型
  • 透過 API 將模型整合至應用程式中
  • 監控與維護生產環境中的人工智慧系統

總結與下一步

最低要求

  • 對 Python 程式設計基礎有堅實的理解
  • 具備使用 NumPy 和 pandas 等資料分析函式庫的經驗
  • 對機器學習概念與演算法具備基本知識

適用對象

  • 希望擴展人工智慧開發技能的軟體開發人員
  • 尋求將人工智慧技術應用於複雜資料集的數據分析師
  • 建構人工智慧驅動應用的研發專業人員

客戶評論 (2)

即將到來的課程

課程分類