學習目標： ◆課程針對非結構化文件（如：圖片、文字、聲音）學習如何應用人工智慧領域。於影像文本、互動回饋、生成仿製等領域學習框架與套件 ◆探索生成式AI技術原理，透過CNN產出模型進行圖像訓練與預測，NLP加RNN產生語言模型，搭配強化學習搭建出AIGC之落地應用 課程內容： ◆梯度下降法原理解析及範例 ◆「手寫阿拉伯數字辨識」完全解析：十大處理步驟 & 原理解說 ◆模型佈署：網頁程式實作與雲端部署 ◆卷積神經網路（CNN）：卷積效果、預訓練、轉移學習、風格轉換 ◆物件偵測演算法：NMS、YOLO自訂資料集模型訓練與實作 ◆自然語言處理（NLP）前置處理：語音與文字轉換、語文前置處理、分詞套件介紹 ◆詞嵌入：詞向量原理、生成／比對、中文詞向量、模型訓練實作 ◆自然語言處理模型與應用：循環神經網路（RNN）、長短期記憶網路（LSTM）、 ◆Transformer網路架構、情緒分析、時間序列預測 ◆Transformers套件介紹及範例：文本分類、問答、生成、中文模型 ◆生成對抗網路（GAN）：DCGAN、CGAN、Text To Image ◆語音處理：訊號前置處理&實作、短指令辨識、自動語音識別 ◆強化學習原理與演算法：Gym套件、動態規劃、蒙地卡羅、時序差分、 ◆Stable-Baselines3 習得技能： ◆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