填表免費送AI 趨勢講堂 + 再贈價值16,800元 程式數位課程
填表免費送AI 趨勢講堂 +
再贈價值16,800元 程式數位課程
我已詳細閱讀並接受個資保護聲明
人工智慧ing 科幻電影成現實
語音辨識
透過多年來語音辨識競賽CHiME的研究,已經有了等同人類的辨識度,目前成熟度已達到實用等級。
如:Apple的Siri及Google的google小姐等。
影像辨識
目前在一般圖片的辨識已有同等於人類的辨識率,但動態影像的辨識準確度仍比不上人類,目前最火的應用場域即自動駕駛,但成熟度是介在研究和實用等級之間。
自然語言處理
自然語言處理是先透過分解詞性,接著分解最小字義單位,然後語法分析,最後再用語意分析了解其含意。輸出部分使用生成文法理論,依循規則生成文章,目前的chatbot即如是。

AI人工智慧 全球產業發燒

製造

醫療

金融

零售

交通

農業

索取課程簡章

全球AI化 你還在等什麼

從Python數據分析 、 機器學習與AI人工智慧整合

FUNDAMENTALS
AI 基礎課程
I.Python與AI人工智慧開發入門
  • 程式語言概論與資料輸出入
  • 數值計算與條件分析
  • 重複執行與字串操作
  • list資料操作
  • 字典與函數
  • 數值與函數進階運用
  • 匿名函數與套件使用
  • 檔案存取與Numpy、Numpy建立與計算
  • 圖表與Pandas存取
  • 資料探索分析拆組
  • Numpy增減與統計、由Numpy到Pandas
  • 遺失與重複值處理
  • 轉換取代與分組
  • 合併連結與圖表整合
Machine Learning
AI 基礎課程
II.Python資料科學應用開發
  • 方程式操作、函數與極限
  • 矩陣與敘述統計
  • 機率運算與分配
  • 研究、抽樣與估計
  • 假設與單雙尾檢定
  • 可靠有效與相關分析
  • 機器學習概念簡介
  • 資料探索
  • 資料準備與清理
  • 特徵選擇與萃取
  • 感知器與適應線性神經元
  • 由KNN到Logistic Regression
  • SVM與決策樹
  • 模型評估與效能調校
  • 整體學習與非監督式學習
Machine Learning
AI 機器學習
Python機器學習應用開發
  • 深度學習導論
  • 迴歸分析(Regression)
  • 模型介紹與簡單模型實作
  • 深度學習模型介紹與應用
  • 卷積神經網路(CNN)的概念介紹與應用
  • 自然語言處理(NLP)介紹
  • 循環神經網路(RNN)介紹與應用
  • 生成對抗網路(GAN)
  • 語音處理概念與應用
  • 語音辨識實作
  • 集群分析(Clustering)
  • 強化學習導論與吃角子老虎
  • 馬爾可夫決策過程
  • 馬爾可夫決策與動態編程
  • 時間差異學習
  • 用函數逼近與理解政策梯度
Artificial Intelligence
AI 人工智慧
Python人工智慧整合開發
  • NLP與神經模型
  • 深層語義相似度模型及應用
  • 自然語言理解
  • 深度強化學習
  • 視覺語言多模式處理
  • 語音背景與基本理論
  • 語音信號處理
  • 聲學建模及技術
  • 聲學與神經網路
  • 語言建模與語音解碼
  • 影像基本介紹與分割
  • 邊緣偵測、輪廓與角點
  • 邏輯運算、群集與區域成長
  • 從分水嶺(OpenCV Watershed)開始
  • Viola-Jones與HOG計算推導
  • 圖像金字塔與CNN
  • Segmentation與Face Detection
  • 專案實作
AI Chatbot
聊天機器人製作
  • Microsoft Azure 雲端運算平台與服務
  • 建立及管理 Azure虛擬機器
  • 建立及管理 Azure虛擬機器II
  • Azure儲存體 Blob
  • Azure SQL資料庫
  • Azure Redis快取與搜尋服務
  • Azure Active Directory (Azure AD)
  • 開發 Azure Logic Apps應用與 Azure App Service行動應用
  • Visual Studio 2017開發工具介紹與專案範本建立
  • 利用 Microsoft LUIS語意理解服務讓你的Chatbot更聰明
  • 整合你的Chatbot與各平台串接
  • Microsoft Bot Framework進階運用
  • QnA Maker API快速打造智能客服AI聊天機器人
  • 語音辨識用說的AI聊天機器人
  • 人臉辨識Chatbot
AI for Azure
ML 與 R 語言資料分析
  • 何謂資料庫與大數據整合
  • 解釋如何使用 Microsoft R Server及Microsoft R Client work
  • 大數據資料視覺化與程序處理
  • 平行處理分析操作
  • 建立迴歸與區分模型並評估資料
  • 利用SQL Server及Hadoop處理大數據
  • 製作分析作業與任務選項
  • 資料設定管理:使用Azure機器學習設定數據資料
  • 使用特徵工程與選擇(Feature Engineering and Selection)
  • 建立Azure機器學習的模型並使用其分類與叢集模型
  • 運用Azure機器學習以建立迴歸算法和神經網絡
  • 初始化和最佳化機器學習的模型
  • 使用HDInsight搭配認知服務與機器學習
  • 機器學習與R服務的搭配運用
I.Python與AI人工智慧開發入門
  • 程式語言概論與資料輸出入
  • 數值計算與條件分析
  • 重複執行與字串操作
  • list資料操作
  • 字典與函數
  • 數值與函數進階運用
  • 匿名函數與套件使用
  • 檔案存取與Numpy、Numpy建立與計算
  • 圖表與Pandas存取
  • 資料探索分析拆組
  • Numpy增減與統計、由Numpy到Pandas
  • 遺失與重複值處理
  • 轉換取代與分組
  • 合併連結與圖表整合
II.Python資料科學應用開發
  • 方程式操作、函數與極限
  • 矩陣與敘述統計
  • 機率運算與分配
  • 研究、抽樣與估計
  • 假設與單雙尾檢定
  • 可靠有效與相關分析
  • 機器學習概念簡介
  • 資料探索
  • 資料準備與清理
  • 特徵選擇與萃取
  • 感知器與適應線性神經元
  • 由KNN到Logistic Regression
  • SVM與決策樹
  • 模型評估與效能調校
  • 整體學習與非監督式學習
Python機器學習應用開發
  • 深度學習導論
  • 迴歸分析(Regression)
  • 模型介紹與簡單模型實作
  • 深度學習模型介紹與應用
  • 卷積神經網路(CNN)的概念介紹與應用
  • 自然語言處理(NLP)介紹
  • 循環神經網路(RNN)介紹與應用
  • 生成對抗網路(GAN)
  • 語音處理概念與應用
  • 語音辨識實作
  • 集群分析(Clustering)
  • 強化學習導論與吃角子老虎
  • 馬爾可夫決策過程
  • 馬爾可夫決策與動態編程
  • 時間差異學習
  • 用函數逼近與理解政策梯度
Python人工智慧整合開發
  • NLP與神經模型
  • 深層語義相似度模型及應用
  • 自然語言理解
  • 深度強化學習
  • 視覺語言多模式處理
  • 語音背景與基本理論
  • 語音信號處理
  • 聲學建模及技術
  • 聲學與神經網路
  • 語言建模與語音解碼
  • 影像基本介紹與分割
  • 邊緣偵測、輪廓與角點
  • 邏輯運算、群集與區域成長
  • 從分水嶺(OpenCV Watershed)開始
  • Viola-Jones與HOG計算推導
  • 圖像金字塔與CNN
  • Segmentation與Face Detection
  • 專案實作
  • Microsoft Azure 雲端運算平台與服務
  • 建立及管理 Azure虛擬機器
  • 建立及管理 Azure虛擬機器II
  • Azure儲存體 Blob
  • Azure SQL資料庫
  • Azure Redis快取與搜尋服務
  • Azure Active Directory (Azure AD)
  • 開發 Azure Logic Apps應用與 Azure App Service行動應用
  • Visual Studio 2017開發工具介紹與專案範本建立
  • 利用 Microsoft LUIS語意理解服務讓你的Chatbot更聰明
  • 整合你的Chatbot與各平台串接
  • Microsoft Bot Framework進階運用
  • QnA Maker API快速打造智能客服AI聊天機器人
  • 語音辨識用說的AI聊天機器人
  • 人臉辨識Chatbot
  • 何謂資料庫與大數據整合
  • 解釋如何使用 Microsoft R Server及Microsoft R Client work
  • 大數據資料視覺化與程序處理
  • 平行處理分析操作
  • 建立迴歸與區分模型並評估資料
  • 利用SQL Server及Hadoop處理大數據
  • 製作分析作業與任務選項
  • 資料設定管理:使用Azure機器學習設定數據資料
  • 使用特徵工程與選擇(Feature Engineering and Selection)
  • 建立Azure機器學習的模型並使用其分類與叢集模型
  • 運用Azure機器學習以建立迴歸算法和神經網絡
  • 初始化和最佳化機器學習的模型
  • 使用HDInsight搭配認知服務與機器學習
  • 機器學習與R服務的搭配運用
課程報名
老闆嚇一跳 你也會寫機器人!

名師輔導 學員寫出旅遊客服機器人