自強課程
課程名稱
[初階]機器學習在人工智慧、機器辨識之基礎理論及應用
如期開班
(請自備NB)使用軟體anaconda python+keras+tensorflow/theano
課程代碼:
07A046
上課時間:
2018/5/17(四),9:00~16:00,共6小時
上課時數:
6 小時
上課地點:
課程費用:
4000元
(符合超值優惠價格者需送出報名表後,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 3600 元
- 會員紅利折抵:本課程歡迎使用紅利折抵,最高可使用 100 點
課程目標:
機器學習探討如何能由觀測到的資料中自我學習,自我進化,而能自動增進其處理效能。例如進行預測,特徵擷取,分類,模式辨認,決策,各種訊號處理,甚至建立人工智慧等等。本課程將介紹機器學習的基礎理論、演算法及工具。並讓學生嘗試在各種領域中實際實踐這些技術。
課程特色:
�� 認識機器學習
�� 了解常用的機器學習理論與演算法
�� 了解深度學習理論與演算法
�� 相關軟體工具操作
�� 相關應用範例介紹
�� 了解常用的機器學習理論與演算法
�� 了解深度學習理論與演算法
�� 相關軟體工具操作
�� 相關應用範例介紹
修課條件:
�� 想了解機器學習演算法與其應用者
課程大綱:
1 簡介
2 監督式學習(Supervised Learning)
2.1 回歸(Regression)
2.2 分類器(Classifier)
3 非監督式學習 (Unsupervised Learning)
3.1 分群(Clustering)
3.2 降維 (Dimension Reduction)
4 深層類神經網路(DNNs)
5 實作練習
5.1 深度學習工具庫(Keras+Tensorflow)
5.2 相關應用
5.2.1 影像訊號處理(Image Signal Processing)
5.2.2 語音訊號處理(Speech Signal Processing)
5.2.3 聲訊訊號處理(Audio Signal Processing)
5.2.4 自然語言處理(Natural Language Processing,NLP)
2 監督式學習(Supervised Learning)
2.1 回歸(Regression)
2.2 分類器(Classifier)
3 非監督式學習 (Unsupervised Learning)
3.1 分群(Clustering)
3.2 降維 (Dimension Reduction)
4 深層類神經網路(DNNs)
5 實作練習
5.1 深度學習工具庫(Keras+Tensorflow)
5.2 相關應用
5.2.1 影像訊號處理(Image Signal Processing)
5.2.2 語音訊號處理(Speech Signal Processing)
5.2.3 聲訊訊號處理(Audio Signal Processing)
5.2.4 自然語言處理(Natural Language Processing,NLP)
課程師資:
學 歷: 國立交通大學電信博士
專 長: 數位訊號處理、語音訊號處理(語音、語者與語言辨認、語音合成)、無線聲學通訊系統
經 歷: 交通大學電信所博士後研究、 飛利浦資深研發工程師、工研院資通所技術顧問、經研院顧問
專 長: 數位訊號處理、語音訊號處理(語音、語者與語言辨認、語音合成)、無線聲學通訊系統
經 歷: 交通大學電信所博士後研究、 飛利浦資深研發工程師、工研院資通所技術顧問、經研院顧問
學員須知:
注意事項