-
關閉視窗
- 試看
- Course Overview 00:02:38
- Why Deep Learning 00:05:12
- What’s Deep Learning 00:25:46
- Different kinds of a 00:09:42
- TensorFlow Introduct 00:08:20
- TensorFlow Installat 00:05:56
- TensorFlow Basic01 00:13:30
- TensorFlow Basic02 00:11:29
- TensorFlow Basic03 00:10:49
- TensorFlow Basic04 00:05:08
- TensorFlow Practice1 00:03:20
- TensorFlow Practice2 00:03:44
- TensorFlow Practice3 00:04:41
- TensorFlow Practice4 00:02:13
- TensorFlow Practice5 00:03:12
- TensorFlow Practice6 00:04:25
- Build DNN model 00:12:07
- Define cost function 00:07:08
- Define cost function 00:07:01
- Optimization 00:11:45
- backpropagation 00:07:48
- Validate result 00:06:59
- DNN implementation01 00:21:38
- DNN implementation02 00:14:05
- DNN discussion1 00:06:41
- DNN discussion2 00:09:42
- DNN practice01 00:04:12
- DNN practice02 00:03:28
- DNN practice03 00:07:57
- DNN practice04 00:03:47
- DNN practice05 00:07:52
- DNN practice06 00:02:21
- DNN demo 00:02:51
- What’s convolution 00:17:36
- What’s maxpooling 00:11:46
- Famous CNN model01 00:10:29
- Famous CNN model02 00:06:41
- Famous CNN model03 00:05:24
- CNN implementation01 00:13:27
- CNN implementation02 00:12:18
- CNN implementation03 00:01:09
- CNN implementation04 00:08:31
- CNN implementation05 00:01:03
- CNN discussion 00:08:07
- CNN practice01 00:01:49
- CNN practice02 00:08:17
- CNN practice03 00:05:42
- CNN practice04 00:06:11
- CNN demo01 00:02:12
- CNN demo02 00:01:36
- Word2vect01 00:08:42
- Word2vect02 00:07:13
- RNN introduction01 00:08:02
- RNN introduction02 00:12:45
- LSTM/GRU01 00:12:31
- LSTM/GRU02 00:00:08
- LSTM/GRU03 00:07:17
- RNN implementation01 00:09:09
- RNN implementation02 00:12:19
- RNN implementation03 00:08:46
- RNN practice01 00:02:05
- RNN practice02 00:04:24
- RNN practice03 00:02:57
- RNN practice04 00:04:47
- AI in industry 00:15:11
- Practical issues in 00:07:30
- Practical issues in 00:12:24
- QandA 00:08:17
- Case sharing 00:07:08
- review 00:14:24
- Install gpu tensorfl 00:05:34
- AWS GPU server01 00:03:31
- AWS GPU server02 00:02:23
- AWS GPU server03 00:08:26
- AI history 00:11:37
- Kaggle introduction 00:07:26
- Data visualization01 00:11:48
- Data visualization02 00:05:40
10:02:49
共計 78 章節
$2800
立即購買
#金流測試路徑 ?>
誰適合這堂課?
✔ 對人工智慧有興趣並想學習如何實作深度學習者。
✔ 想了解人工智慧將如何成功應用在自己產業者。
✔ 想了解人工智慧最新的趨勢以及發展者。
✔ 欲轉職成為人工智慧軟體開發工程師者。
課程目標:
✔ 學會如何應用三大類神經網路,DNN、CNN、RNN,以增加自己的實戰經驗。
✔ 用 TensorFlow 來快速建構深度學習演算法,增加實作效率。
(TensorFlow 是目前深度學習最受歡迎的框架之一,熟悉它等於接軌世界上優秀深度學習人才所使用的環境。)
✔ 能夠使用神經網路實作圖像分類、垃圾郵件分類、文字轉向量。
✔ 了解深度學習的優勢以及使用上之限制。
✔ 分析深度學習模型之間的差異以及衡量模型的好壞。
✔ 了解深度學習最新的趨勢與應用。
事前準備:
先備工具
✔ 需準備電腦,須為 64 位元。
✔ 記憶體在 8G 以上為佳。
先備知識
✔ 基礎高中數學。
✔ 熟悉任一程式語言( Python 佳)。
課程大綱:
李厚均(Isaac)畢業於台大電子所,主要專長為人工智慧及資料分析,擅長處理影像辨識、金融數據等問題。曾在台積電、中華電信…等上市櫃公司擔任內訓講師及顧問,同時也在多個單位擔任資料科學講師,具有相當豐富的教學及實戰經驗。
現職
現任全智能科技產品總監
多家公司技術顧問
學歷
台灣大學電子工程研究所
相關經歷
台積電、中華電信內訓講師
T 客邦長期合作 AI 講師
四零四科技 AI 工程師
相關作品
面板廠AOI瑕疵檢測系統
台大醫院傷口辨識系統