自強課程
課程名稱
【假日實體】工程師的AI模型原理與實戰:由深度學習到 Transformer、GPT、地端 LLM 以及實務訓練
熱烈招生中
課程代碼:
16W303
上課時間:
116/3/6、3/13,星期六,09:30-16:30,共二週12小時。
上課時數:
12 小時
課程費用:
10000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 9500 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 9000 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:
自從 2023 年起,人工智慧工具 (如: 聊天機器人 ChatGPT、 Gemini、 Grok……等) 如雨後春筍般蓬勃發展,現今由 GPT & Transformer model、 Agentic A.I. 逐漸發展為 Physical A.I.,但是 A.I. 模型的發展基礎還是很重要。本課程由 A.I. 模型發展史出發,再深入到 A.I. 模型發展架構、及演算法,包含: 深度學習導論、迴歸分析、模型介紹與實作、CNN、RNN、LSTM、NLP、GAN、以及 R.L.。最後再解釋近年來熱門的 Transformer 、GPT model、及地端模型應用,期許同學在使用 A.I. 工具的同時,能夠了解 A.I.的運作原理及架構。
課程特色:
以深入淺出方式解釋模型架構及程式應用,講解程式設計模板,讓同學能夠完整了解程式架構,並且能夠以不使用付費 A.I. 工具的條件下進行程式撰寫。
修課條件:
1.大專以上對於人工智慧及程式設計有興趣之學員,或對於程式設計有初步認識者。
2.從事人工智慧開發、或相關領域之工作人員。
2.從事人工智慧開發、或相關領域之工作人員。
課程大綱:
Week 1 (6 hrs.)
Chap.1. 深度學習導論
●A.I. history
●Machine learning
●Deep learning
Chap.2. 迴歸分析
●線性迴歸
●其他迴歸
Chap.3. 模型介紹與簡單模型實作
●原理
●超參數(Hyperparameters)調校
●手寫阿拉伯數字辨識
●Lab
Chap.4. 深度學習模型介紹與應用
●梯度下降
●正向與反向傳導(Forward Propagation and Backpropagation)
●Lab
Chap.5. 卷積神經網路(CNN)的概念介紹
●CNN運作原理與實例
●預訓模型(Pre-trained Models)介紹
●Lab
Chap. 6. 卷積神經網路(CNN)的應用(一)
●相似模型推薦(Visual Similarity)
●Lab
Chap. 7. 卷積神經網路(CNN)的應用(二)
●物件偵測(Object Detection)
●人臉辨識(Face Recognition)
Chap. 8. 自然語言處理(NLP)介紹(一)
●分詞、詞性標註、BOW、TF-IDF概念介紹
●詞嵌入(Word Embedding)
●Lab
Chap. 9. 自然語言處理(NLP)介紹(二)
●聲音訊號處理的概念介紹
●語音辨識與文字處理整合
●簡短語音指令的辨識
●曲風分類應用實例
●Lab
Week 2 (6 hrs.)
Chap. 10. 循環神經網路(RNN)
●RNN、LSTM、GRU概念介紹
●預訓練詞向量(Pre-trained Word Vectors)
●Lab
Chap. 11. 循環神經網路(RNN)的應用
●情緒分析(Sentiment Analysis)
●時間序列預測(Time Series Forecasting)
●機器翻譯(Machine Translation)
●Lab
Chap. 12. 生成對抗網路(GAN)
●原理
●應用範疇
●各種演算法
●Lab
Chap. 13. 語音處理概念與應用
●簡短語音指令的辨識
●曲風分類應用實例探討
●Lab
Chap. 14. 強化學習 (Reinforcement learning, R.L)
Topic 1:Markov Chains 應用與解說
Topic 2:Hidden Markov Model 應用與解說
Topic 3:從 Markov Model 看 Reinforcement Learning
Topic 4:Reinforcement Learning 實戰 Bandits
Topic 5:Reinforcement Learning 實戰 Dynamic Programming
Topic 6 : Reinforcement Learning 實戰 Temporal Difference
Chap. 15. Transformer & GPT model
Chap. 16. LLM/LangChain/Ollama
Chap.1. 深度學習導論
●A.I. history
●Machine learning
●Deep learning
Chap.2. 迴歸分析
●線性迴歸
●其他迴歸
Chap.3. 模型介紹與簡單模型實作
●原理
●超參數(Hyperparameters)調校
●手寫阿拉伯數字辨識
●Lab
Chap.4. 深度學習模型介紹與應用
●梯度下降
●正向與反向傳導(Forward Propagation and Backpropagation)
●Lab
Chap.5. 卷積神經網路(CNN)的概念介紹
●CNN運作原理與實例
●預訓模型(Pre-trained Models)介紹
●Lab
Chap. 6. 卷積神經網路(CNN)的應用(一)
●相似模型推薦(Visual Similarity)
●Lab
Chap. 7. 卷積神經網路(CNN)的應用(二)
●物件偵測(Object Detection)
●人臉辨識(Face Recognition)
Chap. 8. 自然語言處理(NLP)介紹(一)
●分詞、詞性標註、BOW、TF-IDF概念介紹
●詞嵌入(Word Embedding)
●Lab
Chap. 9. 自然語言處理(NLP)介紹(二)
●聲音訊號處理的概念介紹
●語音辨識與文字處理整合
●簡短語音指令的辨識
●曲風分類應用實例
●Lab
Week 2 (6 hrs.)
Chap. 10. 循環神經網路(RNN)
●RNN、LSTM、GRU概念介紹
●預訓練詞向量(Pre-trained Word Vectors)
●Lab
Chap. 11. 循環神經網路(RNN)的應用
●情緒分析(Sentiment Analysis)
●時間序列預測(Time Series Forecasting)
●機器翻譯(Machine Translation)
●Lab
Chap. 12. 生成對抗網路(GAN)
●原理
●應用範疇
●各種演算法
●Lab
Chap. 13. 語音處理概念與應用
●簡短語音指令的辨識
●曲風分類應用實例探討
●Lab
Chap. 14. 強化學習 (Reinforcement learning, R.L)
Topic 1:Markov Chains 應用與解說
Topic 2:Hidden Markov Model 應用與解說
Topic 3:從 Markov Model 看 Reinforcement Learning
Topic 4:Reinforcement Learning 實戰 Bandits
Topic 5:Reinforcement Learning 實戰 Dynamic Programming
Topic 6 : Reinforcement Learning 實戰 Temporal Difference
Chap. 15. Transformer & GPT model
Chap. 16. LLM/LangChain/Ollama
課程師資:
講師:黃曼琦
專長:A.I. EDA., machine learning, hardware design, FPGA
現任:明泰科技/技術副理
專長:A.I. EDA., machine learning, hardware design, FPGA
現任:明泰科技/技術副理
主辦單位:
財團法人自強工業科學基金會
學員須知:
注意事項



