聯繫我們
 課程時長 35 時間:

課程簡介

Python 中 AI 的概述

  • AI 的關鍵概念與範疇
  • 用於 AI 開發的 Python 函式庫
  • AI 專案結構與工作流

AI 的資料準備

  • 資料清潔、轉換與特徵工程
  • 處理缺失資料與不平衡資料
  • 特徵縮放與編碼

監督式學習技術

  • 迴歸與分類演算法
  • 集合方法:隨機森林、梯度增強
  • 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、階層聚類
  • 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 與 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(入門)

  • 代理、環境與獎勵的核心概念
  • 實作基本的強化學習演算法
  • 強化學習的應用

部署 AI 模型

  • 儲存與載入訓練後的模型
  • 透過 API 將模型整合至應用程式
  • 監控與維護生產環境中的 AI 系統

總結與後續步驟

最低要求

  • 對 Python 程式設計基礎有紮實的理解
  • 具有使用 NumPy 和 pandas 等資料分析函式庫的經驗
  • 具備機器學習概念與演算法的基本知識

目標受眾

  • 希望擴展 AI 開發技能的軟體開發人員
  • 尋求將 AI 技術應用於複雜資料集的分析人員
  • 正在建構 AI 驅動型應用程式的研究與開發專業人員

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類