聯繫我們

課程簡介

Python中的AI概述

  • AI的關鍵概念與範圍
  • 用於AI開發的Python函式庫
  • AI專案結構與工作流程

AI資料準備

  • 資料清洗、轉換與特徵工程
  • 處理遺漏值與不平衡資料
  • 特徵縮放與編碼

監督式學習技術

  • 迴歸與分類演算法
  • 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

  • 聚集方法:K-Means、DBSCAN、分層聚集
  • 維度簡化: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
  • 優化神經網路效能

強化學習(入門)

  • 代理、環境與獎勵的核心概念
  • 實施基礎強化學習演算法
  • 強化學習的應用

部署AI模型

  • 儲存與載入已訓練的模型
  • 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AI系統

總結與後續步驟

最低要求

  • 扎實的Python程式設計基礎知識
  • 具備使用NumPy和pandas等資料分析函式庫的經驗
  • 了解機器學習概念與演算法的基礎知識

目標受眾

  • 希望擴充AI開發技能的軟體開發人員
  • 尋求將AI技術應用於複雜資料集的分析師
  • 建構AI驅動應用程式的研發專業人員
 35 小時

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類