【轉寄好友】 【友善列印】 推到  推到
  【免費加入會員】   【學員須知】 【常見問題】
【課程名稱】 精通深度學習─理論結合應用
本課程從深度學習起源開始介紹,接著帶到今日成為機器學習領域翹楚的輝煌歷程,讓您一窺深度學習的極致工藝與奧妙!
【課程代碼】 07W311
【上課時間】 2018/5/5、5/12,週六上課,09:30~16:30,共2次12小時。 
【課程目標】 一、了解深度學習的理論與基礎
從最基礎的模型出發,了解深度學習方法如何演進堆疊,達到今日功能強大的效果,如何解釋與設計深度模型龐大的架構與功能,讓深度學習模型不再是黑盒子。
二、熟悉深度學習的模型變形與相關應用
介紹捲積神經網路模型(CNN)、遞歸神經網路(RNN)、長短期記憶模型(LSTM)與生成對抗網路(GAN)、深度剩餘網路(Residual Network)、深度密集網路(Dense Network),與這些模型如何應用在影像辨識、語音處理、文字辨識及其他應用。
三、迎接訓練深度模型的挑戰與解決之道
訓練深度模型容易遇到過度擬合的問題,導致模型訓練失敗,這門課將以實例介紹避免模型訓練過度擬合的技巧,與訓練大型深度學習模型的方法。
【課程特色】 深度學習(Deep Learning)是機器學習(Machine Learning)近年來非常重要的方法之一,雖 然根源於類神經網路,效果卻遠勝於前者,在影像辨識、語音處理、文字辨識等領域大放異彩。 但深度學習模型常被視為「黑盒子」,效果卓越卻無法解釋,本課程將從深度學習模型的本質出 發,打開深度學習的黑盒子,了解其理論基礎,並延伸到深度學習模型的各種變形,與深度學習 2017年度最新的模型架構,藉由各種實例與應用,了解深度學習的各種模型,如何用來解決不 一樣的問題,與實際訓練深度學習模型時,會遇到的挑戰與相對應的解決方式。
【課程大綱】 1.深度學習理論基礎
1-1.Perceptron
1-2.Multi-Layer Perceptron
1-3.Neural Network
1-4.Deep Learning

2.深度學習模型與其文字、影像、語音的應用
2-1.捲積神經網路模型(Convolutional Neural Network)
2-2.遞歸神經網路(Recurrent Neural Network)
2-3.長短期記憶模型(Long Short Term Memory)
2-4.深度剩餘網路(Deep Residual Network)
2-5.深度密集網路(Deep Dense Network)
2-6.生成對抗網路(Generative Adversarial Networks)

3.如何訓練深度學習模型
3-1.模型訓練過度擬合(Overfitting)的問題
3-2.避免模型訓練過度擬合的七大技巧
3-3.如何訓練適用於嵌入式系統的深度學習模型
3-4.如何訓練多目標、多功能大型的深度學習架構
【課程師資】 自強基金會專業講師
學歷:國立清華大學資訊工程博士
專長:電腦視覺、機器學習、深度學習、多媒體處理分析
【上課時數】 12 小時
【上課地點】 新竹市光復路二段101號創新育成大樓
【課程費用】 7000元 (超值優惠價格需送出報名表後,系統發出報名成功回函確認金額。)
【超值優惠】
  • VIP企業會員價:VIP企業會員可享優惠價格 (按我)
  • 會員優惠價: 會員於開課前七天完成報名繳費者可享會員優惠價 6300 元
  • 團報價方案:會員2人同行,可享同行價 6000 元(須於課前告知)
  • 會員紅利折抵:本課程歡迎使用紅利折抵,最高可使用 100 點
【諮詢專線】 03-5623116 ext 3228 謝小姐 llhsieh@tcfst.org.tw
【學員須知】 報名與繳退費方法常見問題與解決會員紅利積點活動辦法
【注意事項】
  1. 若遇不可預測之突發因素,基金會保有相關課程調整、取消及講師之變動權。
  2. 無紙化環境,輕鬆達到減碳救地球,即日起16小時以上課程結業證書改以電子方式提供。
  3. 使用VIP廠商優惠之學員,上課當日報到時須查核該公司識別證(相關證明資料)。
  4. 會員紅利折抵限以原價或會員優惠價再折抵,其他方案不適用。
  5. 課前請詳閱簡章之課程內容或利用課程諮詢電話。
  6. 課程嚴禁旁聽,亦不可攜眷參與。