課程介紹
讓學生了解人工智慧相關的知識體系,介紹深度學習、人工神經網路、CNN系統以及進階計算技術及觀念,要求學生演練實作和基於框架的來模擬驗證理論。課程中並利用軟體程式來模擬驗證理論。
單元1名稱:機器處理自然語言以openai &HuggingFace為例 |
■影片□簡報■講義■作業□測驗 |
單元2名稱:機器藝術 (Machine Arts):對抗式生成網路 (Generative Adversarial Network) 以Dall-e為例 |
■影片□簡報■講義■作業□測驗 |
單元3名稱:機器學習基本概念 |
■影片□簡報■講義■作業■測驗 |
單元4名稱:體驗神經網路模型 |
■影片□簡報■講義■作業□測驗 |
單元5名稱:神經網路的基礎:人工神經元和激活函數 |
■影片□簡報■講義■作業□測驗 |
單元6名稱:多神經元組成的神經網路 |
■影片□簡報■講義■作業□測驗 |
單元7名稱:深度神經網路 |
■影片□簡報■講義■作業□測驗 |
單元8名稱:機器視覺實戰演練 - CNN (Convolutional Neural Network) |
■影片□簡報■講義■作業□測驗 |
單元9名稱:演練模型訓練與辨識 |
■影片□簡報■講義■作業□測驗 |
單元10名稱: 進階CNN實作 |
■影片□簡報■講義■作業□測驗 |
課程活動
-
1.機器學習簡介
-
閱讀 > 9 分鐘 1.2 AI軟體mediapipe簡介與demo操作
-
閱讀 > 15 分鐘 1.3 copilot詢問python雲端開發平台Google colab並實作
-
閱讀 > 12 分鐘 1.4 tensorflow-gpu keras ML python套件軟體安裝說明
-
閱讀 > 25 分鐘 1.5 機器學習911課程 課程說明
-
2.生物視覺&機器視覺學習目標
- 初步了解生物視覺機器視覺
- 初步了解傳統與深度學習之機器視覺
- 初步在google colab操作一般python code
- 操作tensorflow playground軟體
-
需點過 2.1 分組
-
閱讀 > 1 分鐘 2.2 AI_ML生物視覺機器視覺
-
閱讀 > 11 分鐘 2.3 生物視覺 機器視覺1
-
閱讀 > 19 分鐘 2.4 機器視覺 與haarcascades偵測人臉與眼睛(918)
-
閱讀 > 15 分鐘 2.5 python雲端開發平台Google colab
-
需繳交, 2024-10-02 2.6 ex1 請在google colab上完成一簡易python code
-
閱讀 > 27 分鐘 2.7 機器學習918 google colab 實作python
-
閱讀 > 7 分鐘 2.8 機器視覺ILSVRC競賽之後
-
閱讀 > 10 分鐘 2.9 tensorflow playground(925)
-
3.activation函數&自然語言處理Wittgenstein: „Die Bedeutung eines Wortes ist sein Gebrauch in der Sprache. “維根斯坦在邏輯哲學論中說「一個字的意思就是它在語言中的用法」學習目標
- 初步了解常用之activation函數
- 初步了解自然語言處理Natural language Processing與量化之方式
-
閱讀 > 15 分鐘 3.1 自然語言處理 Natural language Processing簡介
-
閱讀 > 1 分鐘 3.2 自然語言處理 Natural language Processing
-
閱讀 > 22 分鐘 3.3 機器學習925tensorflow ground與自然語言處理Word2viz
-
閱讀 > 23 分鐘 3.4 自然語言處理 Natural language Processing 字詞量化
-
閱讀 > 23 分鐘 3.5 ML常用的activation函數初探與pyplot繪圖(1009)
-
分數 > 60, 2024-10-22 3.6 [1009]小測驗
-
閱讀 > 18 分鐘 3.7 機器學習1007激活函數python作業測驗檢討
-
4.openAI-whisper
-
閱讀 > 17 分鐘 4.4 免費版Openai-whisper超好用---簡介與python語音前置處理
-
閱讀 > 15 分鐘 4.5 機器學習1016 whisper課堂簡介
-
閱讀 > 15 分鐘 4.6 openAI whisper large v3 python轉VTT字幕
-
閱讀 > 1 分鐘 4.8 openai-whisper超好用
-
閱讀 > 13 分鐘 4.9 whisper辨識與ffmpeg切割影音與調整字幕之一
-
閱讀 > 13 分鐘 4.10 whisper辨識與ffmpeg切割影音與調整字幕之二colab實測
-
需繳交, 2024-11-07 4.11 ex2 openai-whisper試用
-
5.藝術生成 & 對抗生成式網路GAN與其他......
-
閱讀 > 29 分鐘 5.2 藝術生成 對抗式生成網路GAN與賽局理論 cycleGan等
-
閱讀 > 1 分鐘 5.3 藝術生成GAN pdf
-
閱讀 > 12 分鐘 5.4 Hugging Face的ai網站體驗(1106)
-
閱讀 > 16 分鐘 5.6 對抗式生成式AI GAN與相關軟體操作(穿插Stable diffusion)
-
6.Stable diffusion簡介與實作
-
閱讀 > 1 分鐘 6.2 藝術生成_dall-e與_stable_Diffusion
-
閱讀 > 17 分鐘 6.5 AI機器學習與Stable Diffusion操作
-
需繳交, 2024-12-04 6.7 ex3 AI圖藝術生成
-
7.Keras實作神經網路模型---手寫數字辨識
-
閱讀 > 27 分鐘 7.1 Keras實作神經網路模型之1 mnist手寫數字
-
閱讀 > 28 分鐘 7.2 Keras實作神經網路模型之2 mnist手寫數字辨識(1127)
-
閱讀 > 26 分鐘 7.3 AI機器學習Keras淺層神經網路辨識mnist手寫數字
-
閱讀 > 1 分鐘 7.4 Keras實作神經網路模型
-
閱讀 > 24 分鐘 7.5 神經網路模型之一 從感知器到神經網路
-
閱讀 > 11 分鐘 7.6 神經網路模型之2 單一神經元python numpy計算
-
-
8.多神經網路模型
-
閱讀 > 22 分鐘 8.1 多層神經網路Keras python實作練習(1204)
-
需點過 8.2 多層神經網路模型v2
-
閱讀 > 1 分鐘 8.3 神經網路模型
-
閱讀 > 27 分鐘 8.4 Keras多層神經網路辨識手寫數字mnist實作V3
-
-
9.CNN卷積神經網路
-
閱讀 > 20 分鐘 9.1 Keras實作CNN辨識mnist手寫數字
-
閱讀 > 24 分鐘 9.2 CNN卷積神經網路(1211)
-
閱讀 > 31 分鐘 9.3 Loss函數 cross entropy 梯度下降
-
閱讀 > 1 分鐘 9.4 Loss函數、梯度下降、batch size etc
-
閱讀 > 25 分鐘 9.5 機器學習CNN卷積計算辨識mnist手寫數字
-
-
10.進階CNN
-
11.期末報告
-
需繳交, 01-08 23:30 11.1 期末作業
-