深度學習實戰

機器學習是產業界認為目前現在進行AI最為成功的方法，機器學習方法有許多種不同的模型，1950年代「類神經網路」帶動了第一波的熱潮，然而，在不久後卻遇到了運算瓶頸，沒落了下去，1980年代中期，由其他機器學習模型，如支持向量機（SVM）模型作為主流。2006年，多倫多大學的Geoffrey Hinton教授，成功解決了過往類神經網路所遇到的問題，並將這個新的模型更名「深度學習」。為如今深度學習技術對各大產業領域都將產生深遠的影響，堪稱第四次工業革命。

深度學習能推廣應用的產業範疇非常的多，現在不單單只有科技公司，許多大型公司都無不想搶進最新發展。在人工智慧領域中，目前領先的三大巨頭分別為Google、Microsoft、Facebook；尤其在語音識別和圖像辨識上，每個月都可以看到許多公司公布新的技術發展。每分每秒，AI巨頭們都在使用深度學習改變你我的生活。

人工智慧(Artificial Intelligence, AI)

亦稱機器智慧，是指由人製造出來的機器所表現出來的智慧。

在人類歷史中可以發現，人類一直在利用所造製的器械讓生活變得更方便，從鑽木取火，狩獵農耕，工業革命，人類都在試著研發、利用機器來提高生產力，減少人工的付出，而利用機器代替人力的極致，就是希望讓機器如同人類一般，產生類似人類智慧的行為，可以主動的學習、掌握技巧、進而自動的可以處理更複雜或更高要求的工作，這是許多研究者窮盡一生的夢想，約翰·麥卡錫於1955年在達特矛斯會議提出人工智慧（英語：Artificial Intelligence, AI）一詞。所謂的人工智慧就是要讓機器的行為看起來就像是人所表現出的智慧行為一樣。從此我們一般對的人工智慧的定義便是「製造智慧機器的科學與工程」。在電腦運算的速度大幅提升，資料訊息海量的成長，以及電腦演算法的突破發展，2016年Google的AlphaGo 成功的打敗了韓國棋士李世乭，為世界宣告了AI世代的來臨。

深度學習(deep learning)

深度學習是機器學習中一種。

1981年，美國神經生物學家David Hubel和Torsten Wiesel對於動物視覺系統的處理神經傳導信息方式有了進一步的發現，因而獲得了諾貝爾醫學獎。這個在生物學上的神經元研究，啟發了AI領域關於「類神經網路」(或稱人工神經網路) 的概念，利用電腦程式模擬神經元運作，在類似神經系統中的資訊處理和對通訊模式的理解上，如神經編碼，試圖定義拉動神經元的反應之間的關係以及大腦中的神經元的電活動之間的關係，藉以讓電腦達到人工智慧的境界。

由於神經網路的研究在過去被棄置已久，故Hinton教授又將深度神經網路重新換上「深度學習」(Deep Learning)的名字捲土重來。2012年10月， Hinton的兩個學生使用輝達(NVIDIA)出產的GPU、加上深度學習模型 (他們採用了專做圖像識別的捲積式神經網路CNN)，一舉拿下ImageNet的冠軍，(2007年起史丹佛大學每年所舉辦ImageNet圖像識別競賽，讓機器從數以百萬張圖像資料中進行辨識，為機器學習界一大盛事)。讓眾多研究者發深度學習能有如此殺傷力強大的效果。之後2016年運用深度學習的Google的AlphaGo 更讓世人瞭解到新的工業革命已經開始。

課程設計

深度學習本身都是由數學、統計學等發展過來的，其中的演算法、微積分等讓許多人望之卻步，以為許多懂了這些天書般的數學符號，才有辦法瞭解與使用深度學習。這次周老師將運用他多年的教學經驗，讓同學在輕鬆活潑的講解下，瞭解這些演算法背後的數學模型，並一步一步的解析整個實作流程帶領同學，學習如何透過keras套件使用其提供的 API並放入資料，讓你輕鬆地使用深度學習做圖像或文字分析，進而變成你未來進行資料分析、工作發展的一大利器。

課程重點
1. 學會如何運用CNN+MLP處理圖像分類的問題。
2. 學會如何運用Embedding+MLP進行情感分析。
3. 學會如何運用遷移學習的方式來縮短建置模型的時間。

學習成果
1. 具備深度學習的基礎知識。
2. 具備運用keras套件建立深度學習模型的能力。
3. 具備使用深度學習模型進行專案開發的能力。

教學特色
Elwing老師擁有豐富的線上教學經驗，擅長將複雜觀念轉化為淺顯易懂的架構或圖例說明，講師在課堂中逐步帶領實作教學與演練，讓你猶如上實體課程般的真實感受。

常見問題

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: 還有其他問題？

到 FAQ 看看更多問題解答