人工智慧深度学习精修班

　　本课程的目标在带领学员精修当代深度学习的关键技术与开发平台。透过精修目前许多具有代表性的深度学习类神经网路架构，可增强学员对於各种重要类神经网路元件的理解及开发能力，进而可灵活的使用开发平台设计深度学习核心系统，快速的完成人工智慧产品设计。

　　课 程 大 纲 及 说 明

　　分享

　　转寄列印

　　◆类神经网路(Neural Network)简介

　　类神经网路简介

　　监督式学习的训练方法

　　Weight and Bias

　　随机梯度渐降(Stochastic Gradient Descent)

　　Learning Rate观念介绍

　　Back Propagation观念介绍

　　数据的训练与预测方法

　　TFLearn与CAFFE深度学习平台的安装与设定

　　◆深度学习及 Convolutional Neural Networks (CNN)架构介绍

　　CNN类神经网路架构介绍

　　影像的辩识训练与预测

　　LeNet-5 CNN

　　AlexNet CNN

　　GoogLeNet CNN

　　Dropout与Softmax

　　◆整合深度学习神经网路架构成为人工智慧应用系统

　　进阶的深度学习类神经网路架构介绍

　　ResNet CNN

　　DenseNet CNN

　　DualPath CNN

　　RNN (Recurrent Neural Networks)

　　LSTM (Long Short Term Memory)

　　◆Berkeley CAFFE 与Google TFLearn平台介绍

　　使用CAFFE与TFLearn平台设计类神经网路

　　Solver 设定

　　执行 Training

　　执行 Prediction

　　AlexNet设计

　　GoogLeNet设计

　　ResNet设计

　　˙DenseNet设计

　　DualPath Net设计*课程执行单位保留调整课程内容、日程与讲师之权利

　　【课程日期】108/08/29-08/30，周四五9:30~16:30，计2天、12小时

　　讲 师 介 绍

　　资策会专业师资