線上 深度學習 培訓在 澳門

這門在 澳門（線上或線下）進行的由講師指導的現場培訓，旨在針對希望利用 TensorFlow Lite 進行邊緣 AI 應用的中級開發人員、數據科學家和 AI 從業者。

在本課程結束時，參與者將能夠：

• 理解 TensorFlow Lite 的基本概念及其在邊緣 AI 中的作用。
• 使用 TensorFlow Lite 開發和優化 AI 模型。
• 在各種邊緣設備上部署 TensorFlow Lite 模型。
• 利用工具和技術進行模型轉換和優化。
• 實施使用 TensorFlow Lite 的實用邊緣 AI 應用。

這門在 澳門（線上或線下）舉辦的由導師指導的培訓，旨在幫助高階專業人士深化對電腦視覺的理解，並探索使用 Google Colab 開發複雜視覺模型的 TensorFlow 能力。

完成本課程後，學員能夠：

• 使用 TensorFlow 構建和訓練卷積神經網絡 (CNN)。
• 利用 Google Colab 進行可擴展且高效的雲端模型開發。
• 實施圖像預處理技巧以用於電腦視覺任務。
• 將電腦視覺模型部署到實際應用場景中。
• 運用遷移學習提升 CNN 模型的表現。
• 視覺化並解讀圖像分類模型的結果。

這門在 澳門（線上或線下）進行的講師指導培訓，針對希望了解並應用 Google Colab 環境中深度學習技術的中級數據科學家和開發人員。

完成本課程後，學員將能夠：

• 為深度學習項目設置和導航 Google Colab。
• 理解神經網絡的基本原理。
• 使用 TensorFlow 實施深度學習模型。
• 訓練和評估深度學習模型。
• 利用 TensorFlow 的高級功能進行深度學習。

這項由導師親自指導的即時培訓 澳門（線上或線下）旨在幫助進階專業人員專精於領先業界的NLU深度學習技術。

完成本培訓後，學員將能夠：

• 理解NLU與NLP模型的關鍵差異。
• 將高階深度學習技術應用於NLU任務。
• 探索如Transformer和注意力機制的深度架構。
• 利用NLU的未來趨勢，建構複雜的AI系統。

這種由講師指導的現場培訓在 澳門 （線上或線下）旨在服務希望探索深度學習模型最前沿 XAI 技術的高級專業人士，重點在於構建可解釋的 AI 系統。

在本課程結束時，參與者將能夠：

• 理解深度學習中可解釋性的挑戰。
• 為神經網絡實施先進的 XAI 技術。
• 解釋深度學習模型做出的決策。
• 評估性能與透明度之間的權衡。

此於 澳門 舉辦的線上或線下講師主導現場培訓，旨在幫助中高級數據科學家、機器學習工程師、深層學習研究人員以及計算機視覺專家擴展其在文字轉影像生成方面的知識與技能。

完成本培訓後，學員將能夠：

• 理解用於文字轉影像生成的進階深層學習架構與技術。
• 實施複雜模型與優化方案以實現高品質影像合成。
• 針對大數據集與複雜模型優化效能與擴展性。
• 調整超參數以提升模型表現與泛化能力。
• 將 Stable Diffusion 與其他深層學習框架及工具整合。

本講座式實時培訓在澳門（線上或線下）面向希望利用AI技術革新藥物發現與開發流程的高級專業人士。

完成培訓後，參與者將能夠：

• 理解AI在藥物發現與開發中的作用。
• 應用機器學習技術預測分子屬性與相互作用。
• 使用深度學習模型進行虛擬篩選和領先化合物優化。
• 將AI驅動方法整合至臨床試驗過程中。

這門在 澳門（線上或線下）進行的教師主導型實時培訓，對象為希望理解 AlphaFold 運作原理的生物學家，並將其模型作為實驗研究的指引。

在本培訓結束時，參與者將能夠：

• 理解 AlphaFold 的基本原理。
• 學習 AlphaFold 的運作方式。
• 學習如何解析 AlphaFold 的預測與結果。

本課程由講師主導，提供 澳門 的現場培訓（線上或線下），適合希望將大型語言模型應用於各種自然語言任務的初級至中級開發人員。

完成本培訓後，參與者將能夠：

• 搭建包含流行 LLM 的開發環境。
• 創建基礎 LLM 並在自定義數據集上進行微調。
• 將 LLMs 應用於文本摘要、問答系統、文本生成等多種自然語言任務。
• 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具調試和評估 LLMs。

本線上或線下進行的講師親自指導培訓，旨在幫助希望利用 Stable Diffusion 為多種用例生成高質量圖像的數據科學家、機器學習工程師和計算機視覺研究人員。

通過本課程學習後，學員將能夠：

• 理解 Stable Diffusion 的原理及其圖像生成機制。
• 構建並訓練用於圖像生成任務的 Stable Diffusion 模型。
• 將 Stable Diffusion 應用於各種圖像生成場景，如繪畫修復、擴圖及圖像轉換。
• 優化 Stable Diffusion 模型的性能與穩定性。

在 澳門 舉辦的講師引導現場培訓中，參與者將學習 Python 中最相關且最前沿的機器學習技術，同時建構一系列涉及影像、音樂、文本和金融數據的示範應用程式。

完成此培訓後，參與者能夠：

• 實施機器學習演算法和技術，以解決複雜問題。
• 將深度學習及半監督學習應用於涉及影像、音樂、文本和金融數據的應用程式。
• 充分發揮 Python 演算法的最大潛力。
• 使用 NumPy 和 Theano 等程式庫與套件。

此於澳門（線上或線下）舉行的由講師指導的即時培訓，提供模式識別和機器學習領域的入門介紹。內容涵蓋統計學、計算機科學、信號處理、計算機視覺、數據挖掘和生物信息學的實際應用。

完成本培訓後，參與者將能夠：

• 應用核心統計方法進行模式識別。
• 使用神經網絡和核方法等關鍵模型進行數據分析。
• 實施用於解決複雜問題的高級技術。
• 通過組合不同模型來提高預測準確性。

本課程在 澳門 提供線上或線下實時培訓（Live），旨在幫助軟件開發人員、數據分析師和技術專業人士使用 TensorFlow 2.x 和 Keras，為計算機視覺、自然語言處理及多模態應用構建、訓練並部署深度學習模型。

本次在澳門（線上或線下）舉辦的由講師主導的實地培訓，旨在幫助希望使用TensorFlow分析潛在欺詐數據資料科學家。

完成本課程後，學員將能夠：

• 在Python和TensorFlow中建立欺詐檢測模型。
• 構建線性回歸及線性回歸模型來預測欺詐行為。
• 開發端到端的AI應用程序以分析欺詐數據

在這場由導師主導的實訓課程中，參與者將學習如何使用 Matlab 設計、構建並可視化用於圖像識別的卷積神經網絡。

培訓結束後，參與者將能夠：

• 構建深度學習模型
• 自動化數據標註
• 使用來自 Caffe 和 TensorFlow-Keras 的模型
• 使用多個 GPU、雲端或集羣進行數據訓練

受眾

• 開發者
• 工程師
• 領域專家

課程形式

• 講授與討論相結合，並輔以大量實踐操作

此為由講師引導的 澳門 現場培訓（可線上或現場授課），旨在幫助開發人員和數據科學家學習如何使用 TensorFlow 2.x 構建預測器、分類器、生成模型、神經網絡等。

完成此培訓後，學員將能夠：

• 安裝並配置 TensorFlow 2.x。
• 理解 TensorFlow 2.x 相對於早期版本的優勢。
• 構建深度學習模型。
• 實現高級圖像分類器。
• 將深度學習模型部署到雲端、移動设备及物聯網（IoT）設備上。