[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