✍ 線上課程介紹:現代人工智慧精修班: 建構 6 個專案
人工智慧( AI )是一門使電腦能夠模仿人類智慧的科學,例如決策、推理、文字處理和視覺化概念。人工智慧是一個更廣泛的一般領域,涉及幾個子領域,如機器學習、機器人學和電腦視覺。
為了讓公司變得更有競爭力,並且快速增長,他們需要利用人工智慧的力量來改進流程、降低成本和增加收入。如今,人工智慧在許多領域得到了廣泛的應用,從銀行業到醫療保健、交通運輸和技術等各個行業都在進行轉型。
近年來,人工智慧人才的需求呈指數級增長,而且不再侷限於矽谷!Forbes 雜誌稱,人工智慧技術是 2020 年最受歡迎的技術之一。
本課程的目的是以一種實用、簡單和有趣的方式提供你現代人工智慧應用的關鍵方面的知識。本課程提供學生運用真實世界資料集的實際動手經驗。本課程涵蓋了許多新的主題和應用,如 Emotion AI (情緒人工智慧)、Explainable AI (可解釋的人工智慧)、Creative AI( 創造性人工智慧 ),以及應用在醫療、商業和金融領域的 AI用。
本課程的一個主要特色是我們將使用 Tensorflow 2.0 和 AWS SageMaker 來培訓和部署模型。此外,我們將涵蓋 AI/ML 工作流程的各種元素,包括模型建立、培訓、超參數調整和部署。此外,本課程經過精心設計,涵蓋了諸如機器學習、深度學習和電腦視覺等人工智慧的關鍵技術。
以下是我們將要做的專案摘要:
✅ 專案 #1( Emotion AI): : 情緒分類和基於人工智慧的關鍵人臉點檢測( Facial Points Detection )
✅ 專案 #2(應用在醫療保健中的 AI ) : 使用人工智慧檢測和定位腦腫瘤
✅ 專案 #3(應用在商業/市場行銷的 AI ) : 使用自動編碼器和非監督式學習演算法進行商城客戶區隔( Segmentation )
✅ 專案 #4(應用在商業/金融的 AI ): 使用 AWS SageMaker 的 XG-Boost 演算法( 自動駕駛,AutoPilot )預測信用卡違約
✅ 專案 #5( Creative AI ) : 人工智慧創造藝術作品
✅ 專案 #6( Explainable AI): 使用 GradCam 揭示人工智慧的黑盒特性並可視化隱藏層
對此課程有興趣,請參考底下留言區
深度學習分類模型 在 軟體開發學習資訊分享 Facebook 的最佳解答
🔥 NT 330 特價中
課程已於 2021 年 8 月更新
使用深度 / 機器學習、人工神經網路建立 8 個實際的專案,從零開始變英雄
本課程目的在以實用、簡單及有趣的方式,為學生提供深度及機器學習技術的關鍵方面知識。 本課程為學生提供使用真實世界資料集訓練深度和機器學習模型的實際動手做經驗。 本課程以實用的方式介紹幾種技術,專案包括但不限於:
(1) 訓練深度學習技術執行影像分類任務。
(2)利用最先進的 Facebook 預言者時間系列( Prophet Time series )開發預測模型,以預測未來事件,例如未來商品價格。
(3) 開發自然語言處理模型,以分析客戶評論及識別垃圾訊息。
(4)開發推薦系統,如亞馬遜和 Netflix 的電影推薦系統。
https://softnshare.com/deep-learning-machine-learning-practical/
深度學習分類模型 在 軟體開發學習資訊分享 Facebook 的精選貼文
🔥 NT330 特價中
課程已於 2021 年 8 月更新
學習資料科學、資料分析、機器學習(人工智慧)和 Python 與 Tensorflow、Pandas 和更多 !
本課程的主題包括 :
資料探索與視覺化
神經網路和深度學習
模型評估與分析
Python 3
Tensorflow 2.0
Numpy
Scikit-Learn
資料科學與機器學習專案和工作流程
在 Python 用 MatPlotLib 和 Seaborn 做資料視覺化
轉移學習( Transfer Learning )
影像辨識和分類
訓練/測試並交叉驗證
監督學習 : 分類、迴歸和時間序列
決策樹和隨機森林
整體學習( Ensemble Learning )
調整超參數( Hyperparameter Tuning )
採用 Pandas 資料框解決複雜任務
採用 Pandas 處理 CSV 檔
採用 TensorFlow 2.0 和 Keras深度學習 / 神經網路
使用 Kaggle 並進入機器學習競賽
如何呈現你的發現並讓你的老闆印象深刻
如何為你的分析清理並準備你的資料
K 最近鄰( K Nearest Neighbours )
支援向量機( Vector Machines )
迴歸分析( Linear Regression/Polynomial Regression )
如何運用 Hadoop、Apache Spark、Kafka 和 Apache Flink
如何用 Conda、MiniConda 和Jupyter Notebooks 設定你的環境
配合 Google Colab 採用 GPUs
https://softnshare.com/complete-machine-learning-and-data-science-zero-to-mastery/
深度學習分類模型 在 分類: 機器學習模型圖書館:從傳統模型到深度學習 - Dream ... 的推薦與評價
11月14, 2018 分類 Machine Learning, 機器學習模型圖書館:從傳統模型到深度學習. 在autoencoder 的模型裏面,會希望以一個unsupervised 方法來做到特徵萃取的目的。 ... <看更多>