技術精英班課程大綱

週次 主題 內容大綱
1 課程介紹與人工智慧概觀
2 Python 資料處理及探索分析
  • Python 快速上手
  • Python 資料處理、分析與視覺化
3 機率與統計講師課程
機器學習
  • 機器學系概論
  • 迴歸與維度縮減
  • 非監督式學習方法
4 機器學習
  • 監督式學習方法 (SVM, decision tree, random forest, etc.)
  • 學習理論、泛化與特徵重要性
5 講師總結
Python & ML 段考
  • 實作練習
    		•
    6 深度學習
  • 深度學習理論基礎：backpropagation, stochastic gradient descent, activation functions
  • 神經網路校調：hyperparameter tuning, regularization and optimization
  • 訓練優化技巧
  • Data augmentation
  • Tensorflow 程式設計
  • 手把手及實作練習
    		•
    7 講師總結 / 卷積神經網路
  • 實作練習
    		•
    8 卷積神經網路
  • 卷積過濾器與影像資料處理
  • 經典神經網路比較：VGG, ResNet & DenseNet
  • 進階卷積神經網路於電腦視覺之應用與案例
  • 實作練習
    		•
    9 遷移學習 / DNN & CNN 段考
  • 遷移學習 (Transfer learning) 實作練習
    		•
    10 深度學習進階運用
  • Track 1 進階卷積神經網路
  • Track 2 遞迴神經網路 / 自然語言處理
    		•
    11-15 專題實作
  • 實作練習
    		•
    16 結業典禮 / 成果發表