聯繫我們

課程簡介

Python 中的人工智慧概述

  • 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
  • 處理缺失與不平衡的資料
  • 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

  • 分群方法:K-Means、DBSCAN、階層式分群
  • 維度削減: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 入門
  • 構建並訓練前饋神經網路
  • 優化神經網路效能

強化學習 (入門)

  • 智能體、環境與獎勵的核心概念
  • 實施基本的強化學習演算法
  • 強化學習的應用

部署 AI 模型

  • 儲存與載入已訓練的模型
  • 透過 API 將模型整合至應用程式
  • 監控並維護生產環境中的 AI 系統

總結與下一步

最低要求

  • 具備紮實的 Python 程式設計基礎知識
  • 擁有 NumPy、pandas 等資料分析函式庫的使用經驗
  • 基本的機器學習概念與演算法知識

受眾

  • 旨在擴展 AI 開發技能的軟體開發人員
  • 希望將 AI 技術應用於複雜數據集的資料分析師
  • 構建 AI 驅動應用程式的研發專業人員
 35 小時

客戶評論 (2)

課程分類