課程一覽 / 人工智慧機器學習深入應用實作
課程基本資料 2022
| 日期 | 2022/8/17(三)-2022/8/18(四) |
|---|---|
| 時間 | ■09:10~12:00 ■13:20~16:10 |
| 地點 | 視訊或實體任選。 實體課程位置為：計算機與資訊網路中心 R212教室。 視訊連結將於上課前通知。 |
| 費用 | 校內教職員生：1000元；校外人士其他：2000元 |
| 主辦單位 | 國立臺灣大學計算機及資訊網路中心 |
| 協辦單位 | 兌全有限公司 |
| 對象 | 半導體或電子資訊產業暨相關系統業者之在職人士或有相關技術需求者。 |
教師資訊 2022
課程簡介 2022
隨著大數據時代的來臨，如何在巨大且繁雜的數據森林中去蕪存菁，使用高明的方法將數據抽絲剝繭，充分發揮機器學習(Machine
Learning)的理論，實現智慧推理的設計，善巧的運用於各行各業的經營操作，此即當今機器學習之所以熱門的原因。人工智慧因機器學習的興起而大放異彩，同時機器學習又囊括了監督式學習、非監督式學習與深度強化學習；正是涵蓋了現今人工智慧與未來元宇宙的開發主軸。
本課程深入探討機器學習的基礎觀念及開發實務，使學員深入資料解析的技巧，採用最有效率的方法進行人工智慧模型的訓練及分析，進而掌握最佳的機器學習技巧，更有效率的達到智慧產品的研究與發展。
課程內容 2022
| Artificial Intelligence Machine Learning In-Depth Application Implementation | |
|---|---|
| 主要內容 |
機器學習工具介紹 機器學習前的資料準備與清洗 資料的關聯統計與分析 資料特徵捷取與關鍵特徵選取 資料的降維轉換與分群 資料訓練的重複取樣安排 監督式學習演算法說明 監督式學習演算法程式追蹤與實例探討 非監督式學習演算法說明 非監督式學習演算法程式追蹤與實例探討 深度強化學習演算法說明 深度強化學習演算法程式追蹤與實例探討 整合多重模型決策法說明 整合多重模型決策法程式追蹤與實例探討 訓練模型優劣的評估與終極選擇 |