人工智慧課程：Python‧AI資料科學、機器學習入門 跟上ChatGPT潮流人工智慧課程：
Python‧AI
資料科學、機器學習入門
跟上ChatGPT潮流

Python AI人工智慧課程三大特性

1

易擴充 跨平台

比C語言更容易學習的程式，採取開放策略，提供豐富的API和工具，可輕鬆使用C、C++、Cython編寫擴充模組，且能支援各種主要作業系統，學習者可輕鬆在Linux、MAC與Windows平台上執行。

2

簡單而強大

Python語法簡易明確，深受工程師喜愛，其豐富程式套件、透過具彈性及互動性高的環境，就能運用Python程式實現數據資料演算，來幫助企業挖掘出資料庫中的各類商機，降低營銷成本。

3

企業愛用

Python在網路爬蟲、雲端基礎設施、DevOps與數據處理等領域都是炙手可熱的語言，因此被廣泛運用於各行業，如：Google search、YouTube、DropBox、NASA、IBM、Mozilla等組織或平台進行資料分析運用。

Python AI人工智慧課程簡章索取

再送12000堂電腦課程
12000堂數位課程
我已詳細閱讀並接受個資保護聲明

立即送出

名師解析：ChatGPT進化中，GPT-4有何不同

名師解析：ChatGPT進化中，GPT-4有何不同
  • 不只用文字，透過 Visual Input 還能用看的：秀一張食材照片，問問他做什麼菜好，GPT-4 就會嘗試使用圖片中的原料來製作食譜。
  • 更貼近人性與更完整的前後文：看到迷因圖不知道笑點？GPT-4幫你神解析。
  • 透過 Uniform Bar 考試與生物奧林匹克測試，獲得更高的分數超過 90% 來優於 ChatGPT。
  • 從理論上講，結合文字和圖像可以讓 GPT 更好地理解世界。
  • 微軟確認會利用 GPT-4 的一個版本來構建 Bing Chat。

你可以學到的
Python應用

 

Python與AI人工智慧開發入門 / 66 hrs
學習重點
  • 了解 Python 的好處及優勢
  • 了解Python 在 AI 的應用
  • 打底 Python 資料處理與爬蟲能力
  • 配合微軟基礎AI證照，整合微軟產品應用實力
課程內容
  • Python程式語言基礎
  • 進階函數使用與套件引用
  • 探索資料來源 : 網頁爬蟲介紹
  • 數值資料處理：Numpy規劃與計算
  • 圖表顯示：各種圖表運用
  • 資料處理：Pandas載入檔案與查找
  • 檔案存取應用
  • Microsoft Azure AI Fundamentals
學會技能
  • Python 程式編輯技巧
  • Python 熱門套件應用
  • 統計於程式上的運用
  • 數值計算、整理、圖表呈現
  • 資料蒐集、資料整理、資料儲存
  • 資料分析與資料視覺化
  • 資料科學應用
  • Azure 平台操作，AI功能基礎知識
 

Python 機器學習應用開發 / 66 hrs
學習重點
  • 以Python程式語言進行機器學習應用開發，介紹機器學習（Machine Learning）的理論基礎與十大處理流程
  • 以實作範例為主，習得數據收集與資料應用至機器學習之能力。
課程內容
  • 機器學習概念介紹
  • 機率與統計
  • 分類與迴歸
  • 資料蒐集、清理與探索
  • 機器學習處理流程與實作
  • 特徵工程(Feature Engineering)分類與實作
  • 分類演算法介紹與實作
  • 模型評估、效能調校、衡量指標
  • 整體學習(Ensemble Learning)、集群演算法
學會技能
  • 數據蒐集與資料應用。
  • 機器學習相關演算法原理
  • 進行各項機器學習演算法實作
  • 建立回歸、分類與分群各種模型。
  • 搭配套件進行各種統計運算。
  • 監督式學習(分類與迴歸)。
  • 非監督式學習(分群)。
  • 進行數值資料分析與預估。

社群網路廣告預估

決策可行性應用

利用決策樹模型應用在商務營業銷售，蒐集客戶性別、年齡、預計薪資與最終是否購買的歷史數據挑選資料集，進行訓練產生模型後，用來預估客戶最終購買傾向，推薦適合產品。

  • 課程主題：機器學習模型應用，監督式學習-分類
  • 重點摘要：
    • 監督式學習分類演算法：Decision Tree、SVM、Random Forest、KNN
    • 分類演算法計算與推論
    • 根據資料進行分類
    • 以決策樹模型顯示分析預測
  • 實作作品：社群網路廣告預估

就業市場結構分析

機器學習模型應用

以人力銀行資料，進行科系與預期起薪。我們使用機器學習的分群演算法，將樣本劃分為具有相似特徵的不同群體，發現數據的隱含結構。不僅學習理論，更透過實作瞭解分群應用於市場需求的洞察與促進商業活化。

  • 課程主題：機器學習模型應用，非監督式學習-分群
  • 重點摘要：
    • 集群演算法原理與圖解：K-Means集群、Elbow、Silhouette Analysis
    • 非監督式學習群集分析與使用(Cluster Analysis)
    • 數據收集與資料模型評估應用
    • 建立分群各種模型進一步預測維護
  • 實作作品：就業市場結構分析
 

Python 深度學習應用開發 / 66 hrs
學習重點
  • 深度學習的原理、規劃及應用範例實作
  • 強化學習的原理、規劃及應用範例實作
課程內容
  • 梯度下降法原理解析及實作
  • 模型部屬及效能調校
  • 卷積神經網路(CNN)原理與應用
  • 自然語言處理(NLP)原理與應用
  • RNN(循環神經網路)原理與應用
  • 生成對抗網路(GAN)介紹及實作
  • 語音處理
  • 強化學習原理
  • 強化學習各式演算法：動態規劃演算法、 蒙地卡羅演算法、Deep Q-learning
學會技能
  • 深度學習與強化學習的原理、規劃及應用實作
  • 關鍵字分析
  • 文本生成
  • 圖像訓練與測試
  • 圖像仿製
  • 語音訊號處理
  • 規律數值變化的預測
  • 分析文字意涵的正負面向
  • 生成對抗網路(GAN) 以文生圖(Text To Image)實作

客戶反饋管理分析 (文字雲)

自然語言處理與應用

介紹自然語言的概念與應用潛力，了解文本資料的分詞與關鍵字抓取，以進行進一步分析。文字雲是將NLP技術視覺化的有力工具，可以幫助客戶更快速理解訊息的主題與趨勢。課程後續探討NLP的廣泛應用，包括情感分析、文本分類、 生成、機器翻譯等應用，帶領你進入大型語言模型(LLM)的領域。

  • 課程主題：自然語言處理(Natural Language Processing, NLP) & 應用
  • 重點摘要：
    • 語言結構：BOW、TF/IDF、Word Embedding(Word2Vec) 、BERT/GPT
    • NLP 演算法：RNN、LSTM、Seq2seq、Attention、Transformer
    • 文本資料的分詞與關鍵字抓取
  • 實作作品：客戶反饋管理分析 (文字雲)

疾病診斷識別 (X光片預測)

深度學習的圖像處理與應用

從卷積神經網路(CNN)開始，介紹深度學習之於圖像的應用原理與各種效果、相似模型的各種優缺分析，以及後續的實作應用。除影像辨識外、物體偵測與追蹤可應用於監控系統、圖像生成進行藝術創作，課程將帶你領略深度學習之美。

  • 課程主題：深度學習的圖像處理與應用
  • 重點摘要：
    • 卷積神經網路運作原理與效果、參數詳解
    • Transfer learning與YOLO基本操作
    • 生成對抗網路：DCGAN、CGAN
    • 物件偵測演算法原理與演進
  • 實作作品：疾病診斷識別 (X光片預測)
 

Python 人工智慧整合開發 / 66 hrs
學習重點
  • 影像，自然語言，生成式AI，擬定專題開發。
  • 採用業界實戰技術，圖像與影片分析可實作出人臉辨識門禁系統、大型語言 模型操作使用加上文本與語言分析，作出專屬特定領域 Line ChatBot。
課程內容
  • 圖像基本處理運用
  • 強化學習概論與馬爾可夫模型
  • 蒙特卡洛方法與時序差分學習
  • 深度強化學習與文本仿製
  • 影像辨識技巧應用：影像各式處理與檢測、神經網路訓練
  • 人臉辨識、偵測、標記、訓練、預測等討論與實作
  • 前端人員也有機會接觸機器學習的Tensorflow.js
  • 文件式資料庫
  • 圖像處理後辨識專題製作
  • 文本處理後分析專題製作
學會技能
  • 文本與語言分析 (分析關鍵字 / 生成文本)
  • 圖像與影片分析
  • 人臉辨識
  • 大型語言模型操作使用
  • LineBot (客服機器人)
  • 運動偵測與訓練評估 (復健動作評估)

文章情感感知智慧助手

深入自然語言處理

探討自然語言分析整合於實際應用的各種可能性，包括監測用戶於社群媒體上的情感反應以改進品牌聲譽、對產品評價進行訓練分析改善產品設計與銷售策略、評估客戶的滿意度與情緒，使客服機器人採取合適的回應與改進服務。

  • 課程主題：深入自然語言處理
  • 重點摘要：
    • 文本分析、情感分析、文本仿製生成、LineBOT進行互動
    • 開發文本分類器、使用網頁爬蟲和API收集文本數據
    • 針對一萬筆資料外賣評價資料進行訓練
    • 輸入文字分析情感正負面
  • 實作作品：文章情感感知智慧助手

紅綠燈偵測分析

影像處理、物件偵測、人臉識別

課程的最後階段，從無到有自己建立資料集、訓練分析紅綠燈圖片。讓學員瞭解深度學習在影像處理領域的潛力，例如應用於自駕車與智慧城市：從影片/影像中辨識出紅/綠燈、車流行進狀態，讓你具備電腦視覺解決方案的能力。

  • 課程主題：探索電腦視覺精髓：影像處理、物件偵測(YOLO分析)、人臉偵測與識別
  • 重點摘要：
    • 影像模糊與閥值控制、輪廓查找與直線偵測
    • 人臉偵測與驗證、人臉辨識與分類
    • 影像和視頻中的人臉處理
    • 物體追蹤、物體檢測和人臉識別
  • 實作作品：AIOT影像辨識偵測系統(紅綠燈偵測分析)

巨匠AI名師 疫情期間以AI應用造福大眾

google 敗口罩

引領潮流的AI生成技術 從機器學習開始

2018年5大資料經濟職務需求趨勢

(資料來源：104人力銀行)

AI 生成技術正引領著科技變革的浪潮，其核心技術包括生成對抗網路（GAN）、變分自編碼器（VAE）和自然語言處理（NLP）等。GAN 通過生成器與判別器的對抗生成擬真圖片，VAE藉由學習真實資料的低維度分布重構圖像，NLP 則讓文本生成取得突破。

如今，全球化的 AI 趨勢顯著，AI 應用持續在全球有所突破，技術與產品反覆推動科技發展。正如輝達黃仁勳曾經發表的言論，他認為AI模型持續以新的推理方法進步，不僅僅是預訓練帶動AI算力需求，在現在AI的後期訓練也正如火如荼的展開，讓AI學會解決問題的環節，才是人工智慧發展的重要核心。

根據104人力銀行的資料，2023年第四季，每月有2.4萬個與AI相關的工作機會，較2019年同期增長29%。