聯繫我們
 課程時長 35 時間:

課程簡介

Python 中的人工智能概覽

  • 人工智能的關鍵概念與範疇
  • 用於人工智能開發的 Python 函式庫
  • 人工智能專案結構與工作流程

人工智能的數據準備

  • 數據清理、轉換與特徵工程
  • 處理缺失數據與不平衡數據
  • 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
  • 超參數調優與交叉驗證

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場景

神經網路與深度學習

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

強化學習(基礎)

  • 智能體、環境與獎勵的核心概念
  • 實現基礎的強化學習演算法
  • 強化學習的應用

部署人工智能模型

  • 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人工智能系統

總結與下一步

最低要求

  • 對 Python 程式設計基礎有紮實的認識
  • 具備使用 NumPy 和 pandas 等數據分析函式庫的經驗
  • 了解機器學習的基本概念與演算法

目標受眾

  • 希望拓展人工智能開發技能的軟體開發人員
  • 尋求將人工智能技術應用於複雜數據集的數據分析師
  • 正在建構人工智能驅動應用程式的研究與開發專業人員

客戶評論 (2)

課程分類