AI機器學習與深度學習實戰班 - 艾鍗學院

資深RD親授，一對一問題指導，培養業界所需的AI職能。

課程規劃以AI軟硬整合角度出發，運用Python掌握資料工程、機器學習與深度學習的技術精隨，搭配艾鍗軟硬韌體學習 ...   課程介紹 適合對象 課程大綱 課程諮詢 AI課程總覽 現在位置：艾鍗學院＞實體課程＞AI課程總覽頁＞AI機器學習與深度學習實戰 本課程採取遠距同步教學，歡迎全台學員加入學習！ 課程介紹 本課程以循序漸進的方式說明機器學習的重要基本觀念，並以scikit-learn說明這些機器學習演算法如何實際套用於資料上。

有了機器學習的基礎後，會開始說明神經網路的工作原理及該如何調整參數來優化模型。

講師會針對不同的AI主題(例如，圖像分類、圖像壓縮、風格轉換、圖像分割、物件偵測、文字探勘和推薦系統)，除了主題描述以及解決方案解說外，也會搭配Keras/TensorFlow程式實例進行手把手教學。

AI專家一對一指導，培養跨領域AI職能面對AI人工智慧，與其漫無章法地學習，不如跟著專家有系統的學 關鍵詞:機器學習、深度學習、scikit-learn、Keras、Tensorflow、CNN、AutoEncoder、TransferLearning、SemanticSegmentation、RNN、LSTM、AudioRecognition AI人工智慧小常識 什麼是機器學習(MachineLearning)? 機器學習是AI人工智慧的其中一個分支，簡單來說它就是讓機器可以像人一樣，可藉由閱讀大量的資料建立規則而具有知識，而機器學習就是透過演算法來分析數據、從中學習來判斷或預測現實世界裡的某些事(專家其實是訓練有素的狗，機器學習大概就是這個味道)。

閱讀已知的大量資料就是所謂訓練的過程，透過足夠多的TrainingData建立出一個Model(最佳函式),這個Model 就是"機器的知識"，之後你可以餵未知的資料給機器，機器就能進行預測或判斷。

機器學習並非手動事先用程式撰寫好指令規則來判斷，而是使用大量數據和演算法來「訓練」機器，自動產生規則判斷或預測。

什麼是深度學習(DeepLearning)? 它其實就是中間層(HiddenLayer)有很多層的NeuralNetwork(DeepNeuralNetwork)，像AlexNet達到8層級，ResNet已達到100多個層級。

每建構一個HiddenLayer就代表建立同款式但有著不同花樣的過濾器(Filter)/篩子，以篩出不同的特徵。

愈多的HiddenLayer就代表用了更多款式的篩子。

經過BackPropagation計算後，可求得每種款式每種花樣篩子的權重。

愈重要的篩子權重愈高，而愈不重要的篩子權重就會愈低。

這些權重較大的篩子，代表用這些篩子可以篩出X-->Y的重要成份，也就是"特徵"。

這也就是深度學習最強的地方--自動特徵擷取，而不是由人來先定義好特徵。

(more..) 機器學習或深度學習的技術可以應用在哪? 機器學習的演算法已廣泛應用於資料探勘、電腦視覺、自然語言處理、語音和手寫識別、生物特徵識別、DNA序列測、搜尋引擎、醫學診斷、金融數據分析與證券市場分析等方面。

所以幾乎各行各業，包含金融保險業、電信業、零售業、製造業、醫療產業等，都會用到機器學習的技術。

而以深度學習作為機器學習的方法，則多用在影像辨識、語音分析，這種比較沒有因果關係或者連人類都很難解釋的邏輯推理。

課程特色 接軌業界AI人工智慧課程規劃 艾鍗AI人工智慧講師團隊為業界的AI人工智慧工程師，在產線數據分析、AI影像處理等領域已經累積豐富的開發經驗，所以更清楚產業界需要什麼樣的AI人工智慧人才。

因此，教學規劃從業界需求角度出發，輔以不同的產業主題，循序漸進地幫助學員培養出與業界需求銜接的AI人工智慧能力。

而在艾鍗，你才會學到真正在AI人工智慧專案開發上所會遇到的問題與解決方式，這些經驗都是你在書本上或其他單位學不到的珍貴知識。

此外，在學習的過程中，老師會分享AI人工智慧在某些領域的商業模式，啟發你用AI人工智慧創造新商機的想法。

聚焦AI人工智慧實務應用 本課程並非要教你用複雜的數學原理進行演算法開發，而是聚焦在讓你具備在實務上應用AI人工智慧演算法的能力。

教材編排上有嚴謹的系統架構，由淺入深，讓你能清楚當前的學習進度與方向。

同時教學著重在幫你培養分析與解決問題的思維能力。

此外，透過每次的教學互動，講師深深了解學員的學習需求與困難，詳細說明每個主題應用的程式碼與處理步驟，提高你吸收成效。

與業界AI人工智慧雙講師一對一互動 你是否曾遇到講師在台上問學員有沒有問題，而學員都沒有人舉手？你是否曾遇到想請教老師問題，而問問題的學生很多，讓你無法得到協助？為了讓你可以和講師直接互動來提升學習成效，艾鍗採小班制教學規劃。

課堂上同時有兩位講師，若你在聽講或是實作過程中遇到任何問題，可以直接舉手發問，講師會為你解惑。

另外，艾鍗也提供線上和線下的問題詢問管道，讓你不論在什麼時候複習，只要遇到問題，都有尋求幫助的管道。

手把手上機實作演練AI人工智慧演算法 如果課程僅是理論、數學公式、案例講解，而沒有讓學員實作，相信你也知道這種學習效果是不好的。

 合格的AI人工智慧工程師必須具備實作的能力，為了提供學員更即時的協助，課堂上有雙講師協助學員實作。

畢竟有講師一對一協助，你才不用再花許多時間除錯(debug)。

每堂課結束後，講師會出回家作業，讓學員可以透過回家作業來檢視自己的學習狀況。

若遇到任何問題，可以透過艾鍗提供的詢問管道尋求協助，或是等待下次上課由講師講解。

另外，每堂課的各個主題練習也都會有完整的範例程式碼與步驟說明，只要照著步驟反覆練習，你會發現AI人工智慧真的不難。

提供課前Python教學 為了與時代接軌，不論你會不會寫程式，你都必須要了解AI人工智慧。

艾鍗AI人工智慧課程主要是以Python程式語言進行授課，為了降低不會寫程式的學員的學習門檻，艾鍗提供隨課附贈Python教學，只要你反覆練習，在學習AI人工智慧時，會有更好的學習成效。

豐富的軟硬整合學習資源 學習AI人工智慧最重要的是如何實現AI人工智慧應用。

有別於其他教學單位，艾鍗有豐富的韌體、硬體學習資源，可幫助你在紮實的AI人工智慧基礎下，透過其他韌體、硬體技術能力來為你創造軟硬整合的優勢。

在職場上，擁有軟硬整合實力的你，競爭力將遠遠領先純AI人工智慧工程師或是純硬韌體工程師。

學習目標 了解機器學習的核心觀念與常見的分類演算法 會使用Scikit-learn進行如LogisticRegression、SVM、DecisionTree、NeuralNetwork等機器學習的實作 了解深度學習(類神經網路)的核心觀念與工作原理 會使用Keras/TensorFlow進行DNN、CNN、RNN/LSTM等深度學習演算法實作 了解深度學習如何應用在數據資料、圖像和語音的領域 ※完訓後提供結業證書，豐富個人履歷即戰力   適合對象 想學習如何使用機器學習或深度學習，包含資料處理、建立模型、設計資料分析演算法、測試與調校 沒相關背景但對機器學習或深度學習有興趣，或是接觸過卻似懂非懂，不知如何開始 想透過機器學習與深度學習實戰來結合本業know-how創造藍海優勢的您！歡迎工業、金融、生醫、零售、農業、廣告等產業朋友加入本班 欲準備並取得AI相關證照者 ※課程適用iPAS巨量資料分析師/機器學習工程師能力鑑定考試準備 課程大綱 Part1:機器學習實務 AI趨勢 機器學習、深度學習與人工智慧趨勢 如何從零導入AI 企業級人工智慧 機器學習 機器學習觀念與術語 資料與特徵 機器學習模型建立方法:以迴歸模型(Regression)為例 損失函數(LossFunction) 評估模型預測能力的方法:ConfusionMatrix&AUC 特徵降維-PCA演算法與實作 分類演算法Clssification 羅吉斯迴歸(LogisticRegression) 決策樹(DecisionTrees) 支持向量機(SupportVectorMachine) 最近距離分群法(KNN)  處理不均衡數據(ImbalancedData) Scikit-learn範例演練：房價預測、信用卡欺詐檢測、工廠預防性維保之CNC工具磨耗檢測等 ※機器學習實作以ScikitLearn實作解說 Part2：深度學習實務 DNN 類神經網路運作原理 損失函數(LossFunction)的種類(demo) 最佳化函數(Optimizer)的種類 激活函數(ActivationFunction)的種類 倒傳遞類神經網路(BPN)演算法 模型優化方法與參數調整 解決Overfitting方法:Regularization,Dropout,EarlyStopping,… TensorFlow/Keras介紹與程式架構流程 DNN範例演練:迴歸預測 DNN範例演練:實現邏輯匣分類 DNN範例演練:Multi-label的分類問題 Performancemetric:ConfustionMatrix RNN RNN網路運作原理剖析 LSTM&BidirectionalLSTM LSTM範例演練:乘客數量預測 LSTM範例演練:KKTV上線時間預測 Performancemetric:Precision/Recall,AUC,... CNN  CNN卷積神經網路運作原理 數據增廣ImageAugmentation 知名的CNN網路模型:AlexNet、MobileNet、VGG16/19、MobileNet  TransferLearning&Fine-TuningModel實作 CNN範例演練:MNIST手寫數字辨識 語音識別(VoiceRecognition) PCM-encodedwave  GetAudioFeaturebyFFT AudioSpectrum 範例演練:AudioRecognitionbyCNN(demo) AppendixI:Anaconda安裝與虛擬環境的建立AppendixII:GoogleColaboratory使用說明   PS.實戰演練的範例將會依據上課實際狀況進行調整   ※深度學習實作以Keras、TensorFlow深度學習平台為主 ※文字探勘與推薦系統請參考本課程 精彩內容搶先看 【深度學習搶先看】 師資團隊 Jeffery老師 ▶台灣大學土木工程研究所博士▶知名上市資訊科技大廠大數據部門研發主管▶類神經網路/基因演算法/最佳化演算法/結構力學/有限元素法/生醫影像處理 Luke老師 ▶海洋大學運輸所碩士▶資深系統工程師▶地理資料分析呈現/資料庫設計/MachineLearning運算模組開發/DeepLearningCNN,RNN Tim老師 ▶輔仁大學應用科學與工程研究所博士▶知名上市電子消費品大廠AI研發部門資深工程師▶機器學習/機器人開發/密碼學/影像壓縮/數位訊號處理/生醫資訊/生醫影像處理 Elvis老師 ▶美國聖路易大學生物資訊博士▶知名國際3C製造大廠人工智慧研發部門主管▶生物資訊/自然語言處理/統計推論/科學計算/數據科學/資料探勘/數值最佳化/資料庫巨量資料處理/機器學習 課程諮詢 姓名 電話 e-mail 已閱讀個資保護聲明 *請填寫正確的email，系統會自動將相關資訊寄到您的信箱 取得資訊 學習本課程的人也學習了... Q&A 1.為什麼要學習機器學習？ 機器學習觸動每個人的生活，它取決於我們所有的人，自主決定我們想要用它來做什麼。

憑藉著你對機器學習的新理解，你處於一個更好的位置，可以去思考類似隱私和數據資料分享、未來的工作、機器人作戰，以及人工智慧的希望和危險等問題；如果我們有越多人擁有這樣的理解，我們就越可能可以避免重蹈覆轍，並找到正確成功途徑。

如今亞馬遜的演算法，讓世界各地任何人都能便捷決定要閱讀什麼書籍；美國國家安全局的演算法，可以判斷你是否為潛在的恐怖攻擊分子；氣候模型（Climatemodels）決定什麼是二氧化碳在大氣中的安全水平；選股模型（Stock-pickingmodels）所驅動的股市交易量，甚至遠超過大多數人所做的。

基本上，因為你無法控制自己不理解的東西，所以做為公民、專業人士，以及從事幸福追尋的人們，這就是為什麼你需要了解機器學習的原因。

2.機器學習一定要很會寫程式嗎？ 資料分析人員也不一定看得懂每一行程式碼，但通常他會具備某一領域知識並懂得如何分析數據。

可透過本課程了解觀念與原理，再利用課堂上的程式碼架構，根據不同目標搭建自己要的訓練模型，也能快速完成任務。

3.為什麼選擇Python而不是R語言？ 因Python較R擁有下列優點:1.網絡爬蟲/抓取：儘管rvest已經讓R的網絡爬蟲/抓取變得容易，但Python的beautifulsoup和Scrapy更加成熟、功能更強大，結合django-scrapy我們可以很快的構建一個定製化的爬蟲管理系統。

2.連接資料庫：R提供了許多連接資料庫的選擇，但Python只用sqlachemy通過ORM的方式，可解決了多種資料庫連接的問題，且在生產環境中廣泛使用。

3.內容管理系統：基於Django，Python可以快速通過ORM建立資料庫、後台管理系統，而R中的Shiny的鑒權功能暫時還需要付費使用。

4.API構建：通過Tornado這個標準的網路函式庫，Python也可以快速實現輕量級的API，而R則較為複雜。

4.不會Python可以上課嗎？ 可以先參考艾鍗的Python程式語言先修班(線上課程)。

本課所提供的PythonCode，講師會清楚的程式解說，讓您快速掌握程式重點，也會透過GoogleColab平台，讓學員都能100%執行所有的程式範例。

5.會資料科學，數學是不是要很好？ 若要自己創造一個更好的分類演算法，一定程度的數學能力肯定避免不了，而資料科學底層的數學主要以機率統計、線性代數為主。

我們上課時，講師會告訴你這個這個模型的的基礎理論是什麼，再配合實際程式的演練讓您可以更快速理解演算法的精義。

然而，資料科學也不光只是算數學或寫程式，對於對特定領域的了解、清楚的分析邏輯、對資料的敏感度，也是相當重要的。

6.自學機器學習與深度學習的艱難在哪呢？ 困難1：若想透過網路學習，因網路知識過於片段，深淺不一，學習成效有限。

困難2：若想透過書籍學習，因目前相關技術中譯本不多，主要仍以英文為主，語言門檻是學習者的第一個門檻；即使有中譯本，大部分仍翻譯艱澀並充斥著大量的複雜公式和程式，不夠親和，讓讀者有很大的學習障礙。

因此，有專業的老師帶著學，學習不但事半功倍，而且還能學到資料分析的實際業界經驗。

7.實驗性設計指的是什麼？ 資料分析人員也不一定看得懂每一行程式碼，但通常他會具備某一領域知識並懂得如何分析數據。

可透過本課程了解觀念與原理，再利用課堂上的程式碼架構，依據不同目的進行參數調整，其實也能快速達到資料分析的目的。

。

8.資料重塑&資料清理(DataCleanup)的意義？ 資料重塑(Reshaping):整合兩個不同來源的表格、合併資料行、合併資料列、資料表排序、將某欄位分割成兩個欄位等。

資料清理(DataCleanup):處理資料缺陷、統一資料格式與單位、處理缺漏值、將空值設定為預設值、移除不完整的列、統一資料型態、大小寫轉換以及文字處理(取代)。

9.請問課程是運用哪種運算平台進行深度學習實作呢？ 課程中使用Google的開發工具Colaboratory來進行深度學習實作。

GoogleColaboratory是一個提供JupyterNotebook服務的雲端環境，而且無須額外複雜的設定就可以使用，更棒的是還有提供免費的GPU運算服務。

10.上課需要另外購買書籍嗎？ 上課會使用授課講師親編的講義 11.課後仍有不懂的地方可否詢問？ 歡迎於本課程的討論板上提出問題，艾鍗的講師或助教都會很樂意為您解答！(討論版網址會在上課第一天公佈) 12.課程如何報名及繳費？ 填寫報名表並完成繳費，繳費方式可採取:*ATM轉帳或臨櫃匯款銀行代碼:008帳號:100-10-032218-5華南商業銀行總行營業部戶名:艾鍗科技有限公司*信用卡分期*現金繳款有任何問題歡迎致電艾鍗學院(02)2316-7736 學員反饋  學到很多對工作很有幫助  收穫滿滿  獲益良多！建議多開AIGPU等相關課程  第一次體驗遠距教學，整體的感覺很不錯。

 課程相當有趣，老師很專業，且講課淺顯易懂，讓我學到很多  獲益良多，謝謝老師講解很清楚  了解深度學習細部運作模式  符合目前工作上之運用  理解如何應用OpenCV解決問題  能區塊的講解程式並提供經驗  理論和實作併行，講義內容豐富，老師解說精確  非常清楚；更有實感  王同學：學到python影像辨識，能用到智慧農業  何同學：利用課程所學的影像處理技術與NeuralNetwork+強化學習，完成公司AI計畫  嚴同學：原理說明，實機操演  黃同學：程式實作演練收穫很多  柯同學：規劃的很充實  張同學：運用課程教到的影像辨識技術，完成了自製的小專案。

  索取資訊   立即索取課程資訊 已閱讀個資保護聲明 取得資訊 AI機器學習與深度學習應用實務 假日進修班開課日期：111/07/23(六)課程時段：假日班課程時數：28小時上課時間：09:30~17:30 精選課程/熱門活動 ★韌體實戰-MCU微控制器韌體開發 ★遠距教學-AI深度學習影像辨識實戰 ★額滿即止-AI智慧應用補助課程總覽 [政府補助]ROS機器人系統開發實戰 [免費說明會]假日進修班/就業養成班 [小班教學]嵌入式Linux設計開發學程 [業界實戰]SoCFPGA數位IC設計實戰 [硬體實戰]全能電路設計工程師實戰班 [預約徵才]專題成果展暨企業徵才活動 [申請大學]APCS程式能力檢定班/營隊 [熱門推薦]Web全端工程師培訓課程 [熱門證照]iPAS巨量資料分析考照班 [實戰首選]感測電路整合設計與應用 [驅動實戰]Linux/LinuxUSB驅動設計 [數位課程]軟韌體隨時隨地輕鬆學習 [5G物聯網]5GSDN網路技術實戰 [最夯技術]IoT物聯網系統整合開發 訂閱艾鍗電子報掌握最新開課資訊與優惠 熱門推薦   8/6↑MCU單晶片韌體設計實戰最後3名即將額滿，速洽！ 8/27↑ROS機器人系統開發【政府補助】遠距同步授課 9/3↑AI深度學習之問答系統【政府補助|遠距上機實戰NLP】 8/20 ↑ 嵌入式Linux開發實戰【15年以上經驗業師親授，產業實戰教學】循序漸進，導入完整開發流程與架構 10/29↑FPGA數位IC設計實戰【用FPGA更快速地把產品做出來】 10/1↑全能電路設計實戰班從原型設計到製造，硬底子養成 隨時開課↑工程師數位課程總覽24H隨點隨看，軟/硬/韌體充電 Recruitment↑企業預約徵才歡迎企業預約專題成果展徵才 Email住址會使用灌水程式保護機制。

你需要啟動Javascript才能觀看它 『學員專屬』 已閱讀個資保護聲明 AI機器學習與深度學習實戰班 AI機器學習與深度學習實戰班假日進修班開課日期：110/11/20(六)上課時間：09:30～17:30課程時段：假日班 最新消息 最新公告 近期研討 就業人才培訓計畫 研發實習生計畫 儲備講師生計畫 關於艾鍗 公司簡介 師資簡介 環境設備 會員廠商 活動相簿 交通資訊 企業服務 企業教育訓練 企業儲值優惠方案 企業徵才 技術成果分享 研發設計服務 合作夥伴專區 服務項目 軟硬韌體培訓 待業者職前訓練 補助技術課程 E-learning數位學習 工程師職涯學習規劃 電腦教室租借 社群資源 艾鍗Facebook 艾鍗YouTube 艾鍗技術Blog 教學實錄簡報 艾鍗LINE好友 追蹤艾鍗IG 訂閱艾鍗電子報 學員專區 個資保護聲明 學習地圖 學員見證 課程Q&A 學員權益 會員優惠方案 學員專屬提問平台Email住址會使用灌水程式保護機制。

你需要啟動Javascript才能觀看它