尹相志

【尹相志深度學習實戰1】秒懂AI深度學習-基本概念篇

NT$2,000

＃人工智慧＃技術應用

想學習AI人工智慧卻總找不到系統性的學習方式？尹相志老師獨家授課：AI深度學習實戰課程，結合業界實例、產業知識、重要論文，讓你一次性學習最熱門人工智慧實作和正確觀念。全系列課程主題包含：深度學習基礎概念、機器視覺、自然語言處理、強化學習，帶你逐一深入了解AI人工智慧，絕不馬虎！

NT$2,000

2019/11/08

尹相志深度學習實戰-實作檔案取得路徑

大家好， 本系列課程檔案下載區中的"實作檔案取得路徑.pdf"， 由於直接點擊連結，會無法順利到達正確頁面， 請學員以【複製】方式操作： 選取【檔案路徑】欄位中的網址 --> 【複製】--> 【貼至】瀏覽器中的網址列 造成您的不便還請見諒， 如有任何問題，請再反應給我們，謝謝。 TibaMe 助教

適合對象

1.想要了解AI深度學習、機器視覺、自然語言學習等基礎知識者
2.害怕數學、程式又想瞭解AI相關知識者
3.想有脈絡的了解AI趨勢和發展的學習者
4.沒有時間到固定教室上課的學習者，都可透過TIbaMe的AI線上課程學習AI知識
5.不想要在網路上東拼西湊尋找AI相關知識者
6.想要更有系統的學習AI深度學習、機器學習的人

你可以學到

➽ 想要參加AI的課程，卻總是因為課程中太多技術面知識，而卻步、猶豫？
➽ 網路上找尋AI相關資訊，太多片斷知識，光整理資訊就耗費精神，更遑論有效學習！
➽ 網路上的文章由不同的人撰寫，看來看去，資訊繁雜、來源不明，我該相信誰的？
➽ 學術論文太艱澀！我只是想要了解一般的AI知識和實作、業界導入知識，到底要去哪找？

▍課程目標

➽ 你將學會：
1. 輕鬆瞭解深度學習的基本原理
2. 瞭解基礎的演算法如何進行
3. 清楚程式架構與運作原理
4. 由老師導讀3篇影響深遠的論文，不用親自看完論文，就能了解深度學習的研究發展
5. 了解深度學習發展歷史

▍課程重點

➽ Lesson 1 思路決定深度
撼動世紀的深度學習，到底怎麼來的?尹老師將從基本的神經網路概念談起，連結至為何到了近代才稱為深度學習，其中發展思路觀點的差異，活化函數對神經網路的發展影響，以及目前主流的神經網路都有詳細的說明。

➽ Lesson 2 朝向最佳解邁進
環繞著神經網路的架構與優化的議題，針對各個概念作詳細說明；包括如何根據梯度（gradient）找尋最佳解，相關的損失函數、倒傳遞、隨機梯度下降、學習速率等相關基礎概念的介紹，以及他們對於訓練模型時，可能造成的影響都有詳細教學。

課程介紹

▍讓我們聊聊「深度學習」吧！

深度學習(Deep Learning)，這項改變人類未來生活的重大技術，可以說是目前人工智慧的主流，今年擊敗世界棋王的 Google AlphaGo，2011 年奪得益智問答比賽大獎的 IBM Watson 都是深度學習的最佳代言，目前，許多國家更將AI深度學習列為重點發展項目，其中，中國大陸是目前最積極的國家之一，不僅在論文的質與量做到世界第一，甚至為此成立國家工程實驗室，將"深度學習"提升到國家戰略的高度。

但其複雜的原理與數學公式，讓許多想學習的人望之卻步，雖坊間有眾多深度學習的課程，但學習門檻相對高、難度深、不容易掌握進一步應用的要領等，令初學者無法看清活用深度學習的探索之路。

▍Lesson 1 思路決定深度

1-1 課程簡述
1-2 什麼是人工智慧與深度學習
1-3 監督式學習與非監督式學習
1-4 人工智慧時代的濫觴與人工智化的發展史
1-5 如何建構人工神經網路
1-6 深度學習的發展重點:活化函數
1-7 幾個重要的活化函數
1-8 改變世界的3篇論文
1-9 目前世界主流的神經網路
1-10 深度學習與機器學習的差異

▍Lesson 2 朝向最佳解邁進

2-1 開始深度學習的第一步-表徵學習
2-2 實作:自動編碼器
2-3 變分自編碼器-重構表徵
2-4 新世代人工神經網路的重點-倒傳導
2-5 人工神經網路的架構圖
2-6 人工神經網路是在傳遞什麼呢?
2-7 如何找到人工神經網路的最優化--梯度下降
2-8 初學者最容易犯錯的地方-學習速率
2-9 欠擬合與過擬合
2-10 正規化

▍課程內容

➽ 2個課程單元。
➽ 2份上課講義。
➽ 1個實作範例→(自動編碼器)。

▍學習方式

1. 請先至「課程內容」檔案下載區，將課程講義與實作範例連結下載。
2. 瀏覽本課程的講義與實作內容。
3. 開始觀看課程影片。
4. 建議每周安排至少2.5小時進行學習；總學習期間安排在2周內。
5. 如有任何問題，都可以在「課程討論區」中提出。

▍本系列課程可依個人需求，單獨挑選課程學習或依課程順序學習。

系列課程連結：
▶︎【深度學習實戰1】秒懂AI深度學習-基本概念篇
▶︎【深度學習實戰2】分辨你我他-AI影像辨識(基礎篇)
▶︎【深度學習實戰3】分辨你我他-AI影像辨識(進階篇)
▶︎【深度學習實戰4】AI翻譯官-自然語言處理(基礎篇)
▶︎【深度學習實戰5】AI翻譯官-自然語言處理(進階篇)
▶︎【深度學習實戰6】AlphaGo的秘密-AI強化學習

★提醒您，本課程為原『尹相志深度學習實戰大師跨海教學直播課程』重新剪輯規劃的課程，為方便學員學習將原直播影片剪輯、規劃單元，更易於學員複習和學習進度追蹤。

▍課程內容獨家特色

➽ 透過生活化、有趣的實際案例，幫助你清楚了解AI深度學習是什麼！
➽ 用最少量的數學比例，讓你更了解絕對會扭轉未來的重大技術！
➽ 老師帶領實作練習：講解概念外還有範例練習部份，提供給學員進行操作練習！
➽ 藉由尹相志老師講解精選的論文內容與心得分享，掌握目前主流的研究方向。
➽ 學習有重點：萃取深度學習演算法中的重點項目教授學員。

▍尹相志老師獨家教學

➽ 尹相志老師Tibame獨家授課！其他地方找不到喔！
➽ 最強師資！尹相志老師擁有台灣與中國多年實戰經驗，告訴你更多業界實戰經驗！
➽ 絕對不會"太學術"！老師在業界超過10年相關資歷，透過親身經驗、產業案例讓學習內容更貼近實際。

▍跟著尹相志老師學習準沒錯

本次課程我們邀請到尹相志老師，尹老師在資料分析、人工智能業界擁有多年豐富的實戰與教學經驗，這次尹老師將藉由簡單易懂的講解，與生活化的例子，讓架構在複雜數學原理的深度學習，變得淺顯易懂，大大降低初學者的學習門檻。

學習前基本能力

對AI有積極學習的心即可上課，
若是初學者，建議您可先從第一門課程基礎篇開始，搭配其他有興趣的系列主題學習。

學習前準備

可上網的電腦、筆電、手機，進行線上學習。

Q: 請問在哪裡上課？上課時間？

此課程是『線上課程』喔！所以課程上線後，隨時隨地都可以透過手機、平板、與電腦在 TibaMe上看課程影片，沒有時間和地點的問題！

Q: 課程可以看幾次？

不限次數，沒有期限！TibaMe的線上課程都可以一直看一直看一直看！

Q: 可以問老師問題嗎？

當然！如您在購課前有課程內容相關問題，可以先至「課程諮詢」提出問題；上課後，對老師影片內容有任何不清楚，可以至「問題討論」與老師同學一同切磋討論喔！

Q: 還有其他問題？

到 FAQ 看看更多問題解答。

課程資訊

課程時長 6 小時 6 分

課程共 5 單元 39 小節

6 個可下載的學習資源

提供完訓證書

提供制定學習計畫建議學習 4 週 (每週 1 小時)

關於講師

尹相志

●專長:
自然語言理解、人工智能算法開發、數據挖掘、商業智慧、分析型CRM、風險管理、數據倉庫

●經歷:
▻中國首屆人工智能大賽發起人與題目設計 (www.botchina.org)
▻現任亞洲資探技術長/Deepbelief.ai人工智慧科學家
▻曾任華院數據(上海)首席數據科學家，數據決策(台灣)技術長
▻台灣微軟特約講師與2006~2017年最有價值專家(MVP)
▻微軟Tech ED 2002, 2004~2015講師
▻和信電訊資深數據挖掘顧問
▻世新大學、德明技術學院資管系講師
▻曾任中華民國數據挖掘協會副秘書長
▻曾任數博網研發總監
▻曾任大衍(特力集團子公司)關係營銷數據挖掘顧問
▻國際化學奧林匹亞化學競賽世界銀牌

●學歷:
▻台灣大學新聞研究所碩士
▻台灣大學化學系

●項目經歷:
▻自然語言處理
▻Isobar 輿情監控，學習情感標注、實體識別、話題識別
▻數雲電商評論非監督自動歸類
▻Acer宏碁競爭品牌電商評論分析

●出版品
▻SQL Server 2008 R2 Reporting Services報表服務
▻SQL Server 2008 OLAP多維度分析
▻SQL Server 2008 Data Mining數據挖掘
▻SQL Server 2008 Reporting Services報表服務
▻Office PerformancePoint Server 2007 企業績效管理
▻使用SQL Server 2005 設計商業智能解決方案(MCITP考試編號70-445)
▻SQL Server 2005 Data Mining數據挖掘 -Office 2007 數據挖掘加載宏
▻SQL Server 2005 OLAP在線實時分析
▻SQL Server 2005 Reporting Services報表服務實務應用
▻SQL Server 2005數據挖掘聖經
▻SQL Server商務智能聖經
▻SQL Server 2000 Analysis Service數據挖掘服務

●尹相志老師翻譯著作
▻數據挖掘—顧客關係管理暨電子營銷之應用 J. A. Michael原著
▻數據挖掘理論與實務—顧客關係管理的技巧與科學 J. A. Michael原著
▻數據挖掘—因特網應用與顧客價值管理 J. A. Michael原著

課程簡述

什麼是人工智慧與深度學習

監督式學習與非監督式學習

人工智慧時代的濫觴與人工智化的發展史

如何建構人工神經網路

深度學習的發展重點:活化函數

幾個重要的活化函數

改變世界的3篇論文

試看

目前世界主流的神經網路

05:13

深度學習與機器學習的差異

開始深度學習的第一步-表徵學習

實作：自動編碼器

變分自編碼器-重構表徵

新世代人工神經網路的重點-倒傳導

人工神經網路的架構圖

人工神經網路是在傳遞什麼呢?

如何找到人工神經網路的最優化--梯度下降

初學者最容易犯錯的地方-學習速率

欠擬合與過擬合

正規化

Hellow Mnist 簡介

模型架構及 API 網路結構介紹

實作手寫數字數據集 MNIST

模型視覺化分析

活化函數實作簡介

API trident 安裝與解說

比較活化函數效能差異

活化函數計算開銷與推論效果

活化函數梯度分布

檢視梯度與權重分布

Autoencoder簡介

安裝api與數據集載入

模型設計

資料建模

執行訓練

執行結果

表徵學習

特徵向量降維與視覺化

寶可夢的相似性搜索

學習附件

01_思路決定深度.pdf

4.33 MB

02_朝向最佳解邁進.pdf

3.14 MB

01_實作檔案取得路徑.pdf

436.11 KB

2020實作1-1_Hello Mnist.pdf

655.01 KB

2020實作1-2_活化函數大清點.pdf

927.03 KB

2020實作1-3_寶可夢autoencoder.pdf

2.85 MB

購買此課程後，才能使用留言功能

或

沒有回應的問題

目前尚無任何討論主題

成為第一個發問的人！在問答中找到學習的捷徑。

關於講師

尹相志

主題課程

專業學程

就業養成

企業方案

人才媒合

【尹相志深度學習實戰1】秒懂AI深度學習-基本概念篇

最新討論

適合對象

你可以學到

課程介紹

學習前基本能力

學習前準備

關於講師

購買此課程後，才能使用留言功能

目前尚無任何討論主題

關於講師