課程簡介

Python中的AI概述

  • AI的關鍵概念和範圍
  • Python的AI開發庫
  • AI項目結構和流程

AI數據準備

  • 數據清洗、轉換和特徵工程
  • 處理缺失和不平衡數據
  • 特徵縮放和編碼

Supervised Learning技術

  • 迴歸和分類算法
  • 集成方法:Random Forest、Gradient Boosting
  • 超參數調優和交叉驗證

Unsupervised Learning技術

  • 聚類方法:K-Means、DBSCAN、層次聚類
  • 降維:PCA、t-SNE
  • 無監督學習的應用場景

Neural Networks和Deep Learning

  • TensorFlow和Keras簡介
  • 構建和訓練前饋神經網絡
  • 優化神經網絡性能

Reinforcement Learning(簡介)

  • 代理、環境和獎勵的核心概念
  • 實現基本的強化學習算法
  • 強化學習的應用

部署AI模型

  • 保存和加載訓練好的模型
  • 通過API將模型集成到應用中
  • 在生產環境中監控和維護AI系統

總結與下一步

最低要求

  • 紮實掌握Python編程基礎知識
  • 具備使用NumPy和pandas等數據分析庫的經驗
  • 對機器學習概念和算法有基本瞭解

受衆

  • 希望擴展AI開發技能的軟件開發人員
  • 尋求將AI技術應用於複雜數據集的數據分析師
  • 構建AI驅動應用的研發專業人員
 35 時間:

人數


每位參與者的報價

客戶評論 (3)

Upcoming Courses

課程分類