自強課程
課程名稱
【實體實作課程】Python深度生成式建模(Deep Generative Modeling using Python)
熱烈招生中
~原訂線上課程,因講師將由國外回國授課,所以調整為實體親授~
課程代碼:
13W370
上課時間:
113/11/21(四)、11/22(五),09:00-16:00,共二天12小時。
※敬請留意:課程日期原定9/24(二)開課,因故已異動至11/21(四)開課。
※敬請留意:課程日期原定9/24(二)開課,因故已異動至11/21(四)開課。
上課時數:
12 小時
課程費用:
8000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 7800 元
- 早安鳥方案:會員於開課二週前(含)報名並完成繳費,可享超值優惠價 7300 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:
學習生成式AI各種解題方法的理論與應用實務,並能運用TensorFlow、PyTorch、Keras等Python套件與函式庫,讓學員短時間內掌握圖像與文字生成式學習的重要知識。
課程特色:
生成式學習(generative learning)是人工智慧時代下機率與統計學習的重要發展,是近年來AI領域相當走紅的技術。生成式學習基於人類學習過程,依賴於頭腦中已經存在的記憶和知識,當新數據被整合到我們的長期記憶中時,它就成為我們新生理解與繼續應用的一部分。本課程從判別型(discriminant)決策制定開始,說明生成式建模的必要性,再進一步由重構式(reconstruction)學習,介紹生成建模的四種途徑,包括基於賽局博弈(games)觀念的對抗(adversarial)學習方法。透過Python實作自動編碼器(autoencoder)、變分(variational)自動編碼器、生成對抗網路、自迴歸(autoregressive)依序生成模型、變數變換(change of variables)模型、受限波茲曼機(restricted Boltzmann machines)與雜訊擴散(diffusion)模型等,進一步了解生成建模的機理與應用方向,及深度預訓練(pretrained)模型的運用方式。
修課條件:
曾修習機器學習或深度學習相關課程
課程大綱:
A.深度神經網路簡介
A-1.多層感知機與結構化資料
A-2.卷積運算與圖像感知
A-3.遞歸結構與序列記憶
A-4.注意力機制與變形金剛預訓練網路
A-5.遷移學習與參數微調
B.生成式AI及其應用
B-1.自動編碼器與重構式學習
B-2.潛變量模型與變分自動編碼器
B-3.聶許均衡與生成式對抗網路
B-4.文本生成與自迴歸模型
B-5.變數變換與流式模型
B-6.能量與雜訊擴散等物理啟發模型
(A與B 中各項主題交錯進行講授)
A-1.多層感知機與結構化資料
A-2.卷積運算與圖像感知
A-3.遞歸結構與序列記憶
A-4.注意力機制與變形金剛預訓練網路
A-5.遷移學習與參數微調
B.生成式AI及其應用
B-1.自動編碼器與重構式學習
B-2.潛變量模型與變分自動編碼器
B-3.聶許均衡與生成式對抗網路
B-4.文本生成與自迴歸模型
B-5.變數變換與流式模型
B-6.能量與雜訊擴散等物理啟發模型
(A與B 中各項主題交錯進行講授)
課程師資:
鄒慶士 教授
專長:人工智慧與機器學習、大數據與資料科學、進化式多目標最佳化、賽局模型應用、工程機率與統計、等候網路、系統模擬、彈性製造
現任:國立臺北商業大學資訊與決策科學研究所教授
專長:人工智慧與機器學習、大數據與資料科學、進化式多目標最佳化、賽局模型應用、工程機率與統計、等候網路、系統模擬、彈性製造
現任:國立臺北商業大學資訊與決策科學研究所教授
主辦單位:
財團法人自強工業科學基金會
相關課程:
學員須知:
注意事項