聯繫我們
 課程時長 35 時間:

課程簡介

Python 中的人工智慧概論

  • AI 的核心概念與範圍
  • 用於 AI 開發的 Python 函式庫
  • AI 專案結構與工作流程

AI 的資料準備

  • 資料清理、轉換與特徵工程
  • 處理缺失與不平衡資料
  • 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

  • 聚類方法:K-Means、DBSCAN、層次聚類
  • 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
  • 建置與訓練前饋神經網路
  • 最佳化神經網路效能

強化學習(入門)

  • 代理、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 AI 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
  • 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

  • 具備穩固的 Python 程式設計基礎
  • 有使用 NumPy 和 pandas 等資料分析函式庫的經驗
  • 具備機器學習概念與演算法的基礎知識

目標學員

  • 希望擴展人工智慧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數據分析師
  • 正在構建 AI 驅動應用的研發專業人員

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