1111進修網

機器學習簡介︰機器學習（Machine Learning）是人工智慧領域的一個重要分支，主要研究如何讓電腦系統能夠從資料中學習並改進其預測或決策能力，它透過數學和演算法來識別資料中的模式和規律，進而進行自我調整和優化。本章將介紹機器學習的基本概念與方法。
深度學習︰此部分將介紹深度學習基本概念，內容包含神經網路基本概念，如感知器, 隱藏層, 輸入與輸出, 激活函數, 損失函數與優化器等。以及常見類神經網路架構介紹，如前饋神經網路、卷積神經網路與遞迴神經網路。並透過PyTorch學習工具的導入，讓學生利用多層感知器模型與CNN模型實作MNIST資料集與CIFAR-10 圖像分類資料及練習。
強化式學習︰強化式學習是一種透過不斷與環境互動，以探索最佳策略的機器學習方法，應用範圍非常廣泛。本模組首先介紹強化式學習的基礎概念及最新的應用，接著討論不同強化式學習演算法，以及結合深度學習的深度強化式學習。各子題皆配合Colab實作，理論與實作兼顧。
機漫談大型語言模型︰這門課程旨在深入探討自然語言處理的基礎知識與應用。課程首先介紹自然語言的基本概念，包括語言的結構和功能。接著，學生將學習不同的語言表示法，理解如何將自然語言轉化為機器可處理的格式。本課程還將涵蓋大型語言模型的基礎，如何訓練這些模型以及它們在真實世界中的應用。最後，學生將有機會在Colab平台上實踐所學，通過實際操作加深對大型語言模型操作的理解。