聯繫我們
 課程時長 35 時間:

課程簡介

Python 中的人工智能概覽

  • 人工智能的核心概念及範疇
  • 用於人工智能開發的 Python 程式庫
  • 人工智能專案結構及工作流程

人工智能數據準備

  • 數據清理、轉換及特徵工程
  • 處理缺失數據及不平衡數據
  • 特徵縮放及編碼

監督式學習技術

  • 迴歸及分類演算法
  • 集成方法:隨機森林、梯度提升
  • 超參數調整及交叉驗證

無監督式學習技術

  • 聚類方法:K-Means、DBSCAN、層狀聚類
  • 降維:PCA、t-SNE
  • 無監督式學習的用例

神經網絡與深度學習

  • TensorFlow 及 Keras 入門
  • 構建及訓練前饋神經網絡
  • 優化神經網絡效能

強化学習(入門)

  • 代理、環境及獎勵的核心概念
  • 實作基礎強化学習演算法
  • 強化学習的應用

部署人工智能模型

  • 儲存及載入已訓練的模型
  • 透過 API 將模型整合至應用程式
  • 監控及維護生產環境中的人工智能系統

總結及後續步驟

最低要求

  • 對 Python 編程基礎有紮實的瞭解
  • 具備使用 NumPy 及 pandas 等數據分析程式庫的經驗
  • 具備機器學習概念及演算法的基本知識

目標受眾

  • 旨在拓展人工智能開發技能的軟件開發者
  • 希望將人工智能技術應用於複雜數據集的數據分析師
  • 構建人工智能驅動應用的研發專業人員

客戶評論 (2)

課程分類