[AI] 人工智慧課綱2

Main	Subject
課程介紹 & 人工智慧概觀
統計與資料分析	1. 機率與統計
	2. 抽樣、分布、假設檢定 & 迴歸模型
	3. 探索行資料分析與資料探勘
機器學習與演算法概論	1. 監督式學習
	線性回歸 (linear regression, LASSO regression)
	邏輯式回歸 (logistic regression)
	支持向量機 (support vector machine)
	決策樹 (decision tree)
	隨機森林 (random forest)
	梯度提升機 (gradient boosting machine)
	2. 非監督式學習
	主成分分析 (principal componet analysis, PCA)
	K-means (K-means clustering)
	階層式分群 (hierarchical clustering)
	DBSCAN
深度學習入門	- 深度學習的基礎理論
	- 捲積神經網路 (Convolution Neural Network, CNN)
	- 遞迴神經網路 (Recurrent Neural Network, RNN)
	- 長短期記憶神經元(Long Short-term memory, LSTM)
	- 生成式對抗網路 (Generative Adversarial Network, GAN)
手把手的機器學習及深度學習	- 機器學習案例
	- 多層感知器案例
	- 深度捲積網路案例
電腦視覺	- 影像分類
	- 物體偵測
	- 影像分割
	- 影像描述
文字探勘與自然語言處理	- 情緒分析
	- 文字摘要
聊天機器人	傳統規則式應答機器人 vs. 深度聊天機器人
推薦系統	- 關聯式推薦 (association rule)
	- 內容推薦 (content-based recommendation)
	- 協同過濾推薦 (collaborative filtering)
	- 深廣學習 (wide & deep learning) 推薦系統
語音與音樂訊號處理
人工智慧於產業應用之案例分析

[AI] 人工智慧課綱

主題	天數	內容大綱
課程介紹 & 人工智慧概觀	1
機率、統計與 R 語言	2	1. 敘述性統計
		2. 機率分布
		3. 抽樣與分布 & 假設檢定
		4. 迴歸 & 無母數分析
實戰演練－資料分析與資料視覺化	1
機器學習基礎與演算法	3	1. 監督式學習
		線性回歸 (linear regression, LASSO regression)
		邏輯式回歸 (logistic regression)
		支持向量機 (support vector machine)
		決策樹 (decision tree)
		隨機森林 (random forest)
		梯度提升機 (gradient boosting machine)
		2. 非監督式學習
		主成分分析 (principal componet analysis, PCA)
		K-means (K-means clustering)
		階層式分群 (hierarchical clustering)
		DBSCAN
Python 機器學習程式設計	1
實戰演練－Python 機器學習實作	2
深度學習理論：深層神經網路基礎與卷積神經網路 (Deep Neural Network & Convolution Neural Network, DNN & CNN)	3	1. 深度類神經網路
		深度學習理論基礎：backpropagation, stochastic gradient descent, activation functions
		神經網路校調：hyperparameter tuning, regularization and optimization
		進階優化方式：batch normalization, Swish activation, etc.
		2. 卷積神經網路
		卷積過濾器與影像資料處理
		Data augmentation
		轉移學習
TensorFlow 程式設計	1	1. TensorFlow basics
		2. How to build up a model?
		3. Model training
		4. Model inference
期中考	1
實戰演練－DNN & CNN	2
深度學習理論：遞迴神經網路 (Recurrent Neural Network, RNN)	1	序列資料與遞迴神經網路
		Gated recurrent unit (GRU) and Long short-term memory (LSTM)
		時序資料處理與預測性維護
		自然語言處理與音頻資料處理
實戰演練－RNN	1
深度學習理論：生成式對抗網路 (Generative Adversarial Network, GAN)	1	生成式對抗網路 (GANs)
		何謂生成式對抗網路
		進階生成式對抗網路 (WGAN, EBGAN, infoGAN, etc.)
		Training tips of GANs
實戰演練－GAN	2
深度學習理論：強化學習 (Reinforcement Learning, RL)	2	強化學習基礎
		Markov decision process
		Q-learning & Deep-Q Network
		Policy gradient
		Asynchronous Advantage Actor-Critic (A3C), Deep Deterministic Policy Gradient (DDPG)
實戰演練－Reinforcement Learning	2
深度學習於電腦視覺之應用 (Computer Vision)	1	1. 經典神經網路比較：VGG, ResNet & DenseNet
		2. 深度學習於電腦視覺應用
		影像分類 (image classification)
		物體偵測 (object detection)
		影像分割 (image segmentation)
		影像描述 (image captioning)
實戰演練－Computer Vision	1
深度學習於自然語言處理之應用 (Natural Language Processing, NLP)	1	深度學習於
		聊天機器人 (chatbot)
		情緒分析 (sentiment analysis)
		文字摘要 (text summarization)