久等啦！ AI人工智慧課程自開課來受到學員好評迴響，現在AI人工智慧應用大門再次展開～【深度學習】、【機器學習】 一次打包帶走啦！讓你未來應用在買賣股票、借放款、教育研究、銷售層面、企業管理…一起來討教！

• 名額：每班限額 30 人，額滿為止。 
• 時間：早上 9 點 ~ 下午 5 點。
• 上課地點：台北市進出口商業同業公會 台北市松江路350號8樓綜合教室。

• 上課費用(皆含午餐、下午茶、講義、研習證明、當月PC home雜誌書刊、AI人工智慧專書) 
• 付款時選擇以ATM或超商付費，並於48小時內付款完成，可獲得100元7-11禮券1張，於上課簽到時領取。

  AI人工智慧 深度學習 課程     >>我要報名深度學習

3/24(六)、3/25(日) ，每人 11,000 元  (課程時數: 14 小時)

  AI人工智慧 機器學習 課程     >>我要報名機器學習

4/14(六)、4/15(日) ，每人 11,000 元  (課程時數: 14 小時)

  AI人工智慧 深度+機器 課程      >>我要報名深度學習+機器學習

3/24(六)、3/25(日) 、4/14(六)、4/15(日) 95折優惠，每人 20,900 元  (課程時數: 28 小時)

課程說明

   AI人工智慧 深度學習 課程   

3/24(六)、3/25(日) ，每人 11,000 元  (課程時數: 14 小時)

【學習目標】

1. 深度學習現在的應用與優勢
2. 類神經網路在影像辨識的應用
3. 文字語意關係實作
4. 傳統方法與深度學習的差異
5. DNN、CNN、RNN操作應用
6. 基礎理論+業界範例+實作練習+技術指導+經驗交流，讓學員從練習中發現錯誤，還有專業講師可以從旁直接導正。

【課程內容】

2018/03/24 (六)    Day 1
09:00 ~ 12:00	【理論】Deep Learning Introduction 基礎類神經網路介紹-傳統方法V.S.深度學習 深度學習現在的應用與優勢- 深度學習最新的研究、那些商品背後是用深度學習 為什麼要使用TensorFlow 【實作】TensorFlow Basic 張量的操作及觀念 常見的類神經網路函數：relu, sigmoid, tanh激活函數、mean square, cross-entropy損失函數、如何使用優化器
12:00 ~ 13:00	Lunch Time
13:00 ~ 17:00	【理論】DNN Introduction 認識最基礎的類神經網路 如何定義損失函數： Mean square、 entropy/ cross-entropy介紹 如何優化類神經網路： Gradient descent、 Momentum method、 RMSprop, Adagrad, Adam optimizer 【實作】DNN Implementation 手寫辨識MNIST： 0-9數字影像分類、 調整不同參數對分類之影響 視覺化類神經網路： Tensorboard視覺化類神經網路、 監控任一時間點之張量/數值
2018/03/25 (日)   Day 2
09:00 ~ 12:00	【理論】CNN Introduction 類神經網路在影像辨識的應用： Convolution、 Maxpool運算方法及物理意義、 CNN的優勢及特性 介紹著名的CNN類神經網路： Alexnet, Vgg, Googlenet, Resnet, Densenet 進階的影像辨識議題討論： 單一物體影像分割原理、 多物體影像分割原理 【理論】 CNN Advanced Topic 單一物體影像分割原理 多物體影像分割原理
12:00 ~ 13:00	Lunch Time
13:00 ~ 17:00	【理論】RNN Introduction Word2vect 的介紹： 將文字轉成向量、 Skip-gram/CBOW、 Sample softmax 傳統RNN介紹： 傳統RNN的問題、 Truncated Backpropagation LSTM/GRU的介紹： 新型態RNN cell介紹、 LSTM/GRU V.S. 傳統RNN 【理論】RNN Advanced Topic Char-level model 原理概述 Image Caption 原理概述 語音辨識原理概述 【實作】RNN Implementation MNIST手寫辨識： 使用RNN做影像辨識 文字語意關係實作： 實作word2vect並視覺化結果 垃圾郵件分類： 使用RNN做多對一之分類、 學習用RNN解決文字分類 【理論】RNN Advanced Topic 資料前處理方法 資料不平衡問題 Labeling Tool 介紹 【作業】CNN Practice 這個作業主要讓同學練習用CNN類神經網路去解決cifar10資料集，並與DNN類神經網路的結果作比較與討論。期望在這個作業中，同學能更熟悉的使用TensorFlow以及了解影像辨識問題該如何解決。

 

>>> 我要報名深度學習

   AI人工智慧 機器學習 課程   

4/14(六)、4/15(日) ，每人 11,000 元  (課程時數: 14 小時)

【學習目標】

1. 掌握AI近年驚人的發展
2. 了解機器學習在做甚麼
3. 快速理解機器學習中常見的演算法
4. 學會如何使用scikit-learn
5. 了解機器學習實務上會遇到的問題
6. 基礎理論+業界範例+實作練習+技術指導+經驗交流，讓學員從練習中發現錯誤，還有專業講師可以從旁直接導正。

【課程內容】

2018/04/14 (六)    Day 1
09:00 ~ 12:00	【理論】機器學習的介紹 人工智慧跟機器學習的關係 機器學習適合使用的時機 【理論】機器學習的基本觀念 什麼是監督式學習、非監督式學習 機器如何學習 【理論】scikit-learn介紹 anaconda虛擬環境、scikit-learn安裝
12:00 ~ 13:00	Lunch Time
13:00 ~ 17:00	【理論】監督式學習─ 迴歸問題： 線性迴歸(Linear Regression) 多項式迴歸 羅吉斯迴歸(Logistic Regression) 【實作】實作迴歸模型： 講解實作迴歸模型 動手練習迴歸問題 【理論】監督式學習─ 分類問題Part1： 最近距離分群法(K-Nearest Neighbor) 決策數(Decision Tree) 【實作】實作分類模型Part1： 講解實作分類模型 動手練習分類問題
2018/04/15 (日)   Day 2
09:00 ~ 12:00	【理論】監督式學習─ 分類問題Part2： 貝式分類器(Naive Bayes) 隨機森林(Random Forests) 支撐向量機(Support Vector Machine) 【實作】實作分類模型Part2： 講解實作分類模型 動手練習分類問題
12:00 ~ 13:00	Lunch Time
13:00 ~ 17:00	【理論】非監督式學習─ 分群： K平均法(K-means) DBSCAN 最大期望算法(Expectation Maximization) 【實作】實作分群模型： 講解實作分群模型 動手練習分群問題 【理論】非監督式學習─ 降維： 主成分分析(PCA) 奇異值分解(SVD) 【實作】實作降維模型： 講解實作降維模型 動手練習降維問題

 

 >>> 我要報名機器學習

>>> 我要95折優惠報名深度學習+機器學習

 

【 使用軟體 】

• Google TensorFlow (https://www.tensorflow.org/)
• Python 3.X版本
• Numpy
• Anaconda (https://www.continuum.io/downloads)
• Jupyter Notebook

【 上課須知 】

• 本次課程皆需要具備先修知識：至少會一種程式語言（Python佳）
• 學員當天需自備筆電(Windows / Mac 皆可 memory 8G以上佳，4G也可以只是會跑比較慢)，教室提供電源插座。
• 上課講義為英文。
• 需先申請亞馬遜 AWS 帳號綁定信用卡使用 GPU 主機，GPU 主機跑12小時每個人約需額外支付$240左右的費用。

  深度學習的優點？ 

傳統人工智慧演算法在解決問題的時候，往往需要花費許多專家及人力去做特徵上的抽取，不只成本很高，更重要的是，所抽取的特徵也很容易因人為偏見而產生偏差，進而造成最終結果表現不佳。相較於以往的做法，深度學習能讓電腦自己去學習資料之間的關係，不只節省了抽取特徵的人力，同時所產生的特徵也比較客觀。

  機器學習的優點？ 

機器學習是人工智慧領域的一個分支，它包含了許多常見分析資料的手法及技巧，當中一些著名的演算法，更是能幫助我們分析各式各樣不同型態的資料，並輔助我們做重要的決策。

本課程會介紹幾個機器學習常見的演算法，除了理論上的講解外，也會使用 scikit-learn 帶學生動手實作這些演算法，結合理論與實作，期望學生能對於資料科學有更深一層的認識。

 為什麼要學 TensorFlow？ 

TensorFlow 是 Google 開發出的機器學習套件，也是目前全球最夯的機器學習套件！近年來在物件辨識上有相當大的突破發展！例如：能夠在同一張圖片中辨識及定位多個不同對象；圖片辨識、九宮格的認證方式有效過濾掉出惡意軟體及註冊機器人程式。除此之外， GMAIL 垃圾郵件的分類判定、GOOGLE 翻譯、Youtube 中推薦你可能會喜歡其它的影片、ALPHAGO圍棋等，都是由 TensorFlow 實作出來的！

 什麼是類神經網路？ 

類神經網路是模仿人類腦袋的神經元，套用在機器學習中，讓機器也能夠擁有類似人腦學習、反應的演算法。為了模仿各種不同的神經元戶相連接的方式，有了 DNN RNN、CNN 三種不同的連接方法。

DNN深度神經網路（Deep Neural Networks）是所有類神經網路理論的基礎。後來為了讓電腦資源使用效率更高，所以發展 CNN卷積神經網路（Convolutional Neuron Networks)，是影像常用的方法之一，針對影像作處裡的方法，在影像中抽取特徵，並將圖片分類。RNN循環神經網路（Recurrent Neural Networks）主要處理序列化資料，讓機器可以確認前後文、讀懂一句話、認字，而字的位置會影響調整。

         上課講師          

Isaac 

畢業於台大電子所，現任多處機構資料科學講師、MOXA 四零四科技人工智慧部門核心成員。專長為人工智慧及資料爬蟲，曾於多處擔任資料科學講師，具有不少相關實戰經驗，如：影像辨識、語意分析及金融數據探勘。

David Cheng (TA)

國立台北科技大學電機工程系所博士班，研究領域為無線感測器網路與物聯網，熟悉Arduino、Intel Edison、Raspberry Pi ，而軟體應用上，也能夠順暢地使C、C++、C#、Python及 MATLAB，現為北科大兼任講師。

          書籍贈送          

Isaac老師推薦：【從人到人工智慧，破解AI革命的68個核心概念：實戰專家全圖解 × 人腦不被電腦淘汰的關鍵思考】

          上課花絮          

          報名須知          

Step 1：前往報名、繳費

Step 2：直接在課程頁面報名並繳費。提供線上刷卡、ATM轉帳、超商代碼三種繳費方式。付款後約20分鐘即可自行查詢繳費結果。付款時選擇以ATM或超商付費，並於48小時內付款完成，可獲得100元7-11禮券1張，於上課簽到時領取。

【 注意事項 】

• T客邦(以下稱主辦單位)保有修改活動內容之權力。
• 如欲取消活動，請務必來電或以 E-Mail方式聯繫客服人員或承辦人員，以做為提出取消參加之表示。已繳費者若無法參加活動，活動舉辦當天0點0分以後提出取消參加者不退費，活動前一天 23:59:59 以前提出取消要求，酌收已付款項之10%做為行政處理費。
• 本活動以完成付款認定取得報名資格。參加者在課程頁面報名並繳費，若超過48小時付款期限，會將名額讓給其他候補參加者。
• 為提供訂購、行銷、客戶管理或其他合於營業登記項目或章程所定業務需要之目的，家庭傳媒集團（即英屬蓋曼群島商家庭傳媒股份有限公司城邦分公司、城邦事業股份有限公司、書虫股份有限公司、墨刻出版股份有限公司、城邦原創股份有限公司），於本集團之營運期間及地區內，將以 mail、傳真、電話、簡訊、郵寄或其他公告方式利用您提供之資料（資料類別：C001、C002、C003、C011等）。利用對象除本集團外，亦可能包括相關服務的協力機構。如您有依個資法第三條或其他需服務之處，得致電本公司客服中心電話 0800-020-299 請求協助。相關資料如為非必填項目，不提供亦不影響您的權益。
• 有任何關於此活動文章上的問題歡迎致電洽詢(02)2518-1133 #3276。