加入書籤：
|
|
| 商品編號： | DMC0395-2 |
|
| 商品名稱： | edu磨課師+ 機器學習實務 影音教學 中文發音 繁體中文版(2DVD) |
|
| 商品分類： | edu磨課師課程綜合教學 |
|
| 語系版本： | 中文發音 繁體中文版 | |
| 官方網站： | https://xyz88.app | |
| 運行平台： | 官方原版畫質MP4檔,沒有任何平台限制,終身使用 | |
| 更新日期： | 2025-05-01 |
|
| 光碟片數： | 2片DVD光碟 |
|
| 銷售價格： | $200元 |
|
| 熱門標籤： | 機器學習實務
| |
|
|
edu磨課師+ 機器學習實務 影音教學 中文發音 繁體中文版(2DVD)
【課程簡介】
開課學校/機構:長榮大學
課程發展年度:2019
課程類別:資訊工程_電腦
本課程內容包含：人工智慧技術演進、深度學習多層神經網路（DNN）和卷積神經網路（CNN）的模型原理，以及相關套件（Tensorflow, Keras）的實作方法。
而資料視覺化呈現、資料前處理和常用機器學習（MLP, Random Forest, Logistic Regression, SVM等）的原理和實作方法，也使同學具備影像和數據資料的模型訓練、分類、預測和評估的技術。
【先備能力】
學員必須具備Python程式語言的能力。
【學習目標】
本課程目標在培養同學具備深度學習和數據分析實作能力，以滿足產業AI人才技能的需求。
001_1-1-人工智慧重大進展.mp4
002_1-2-電腦圍棋Alpha-Go簡介.mp4
003_1-3-人工智慧運用應用領域簡介.mp4
004_2-1-機器學習的類型.mp4
005_2-2-機器學習系統的建構準則.mp4
006_2-3-Python程式開發環境安裝與設定.mp4
007_3-1-神經元結構.mp4
008_3-2(I)-多層感知網路（MLP）概念.mp4
009_3-2(II)-多層感知網路（MLP）概念.mp4
010_3-3-MLP模型架構.mp4
011_4-1-MNIST手寫字資料集介紹.mp4
012_4-2-MLP模型建置流程.mp4
013_4-3-MLP模型訓練與評估.mp4
014_5-1-影像卷積處理概念.mp4
015_5-2-卷積式神經網路（CNN）概念.mp4
016_5-3-CNN模型架構.mp4
017_5-4-CNN經典模型介紹.mp4
018_6-1-Cifar-10資料集介紹.mp4
019_6-2-CNN模型建置流程.mp4
020_6-3-CNN模型訓練與評估.mp4
021_6-4-常用的OpenCV影像處理功能介紹.mp4
022_7-1-資料視覺化工具：Numpy.mp4
023_7-2-資料處理工具(I)：Pandas.mp4
024_7-3-資料處理工具(II)：Matplotlib.mp4
025_8-1-Iris(鳶尾花)資料集介紹.mp4
026_8-2-MLP模型建置流程.mp4
027_8-3-MLP模型訓練與評估.mp4
028_9-1-決策樹與隨機森林(Random-Forest,-RF).mp4
029_9-2-羅吉斯迴歸(Logistic-Regression,-LR).mp4
030_9-3-支援向量機(Support-Vector-Machine,-SVM).mp4
031_9-4-K-近鄰演算法(k-Nearest-Neighbor,-KNN).mp4
032_9-5-貝氏分類器(Naive-Bayes-Classification).mp4
033_10-1-Scikit-learn-Logistic-Regression.mp4
034_10-2-Scikit-learn-Random-Forest-Classifier.mp4
035_10-3-Scikit-learn-Support-Vector-Classifier.mp4
036_10-4-Scikit-learn-Kneighbors-Classifier.mp4
037_10-5-Scikit-learn-GaussianNB和MultinomialNB.mp4
038_11-1-威斯康辛乳癌數據集介紹.mp4
039_11-2-LR模型建置流程.mp4
040_11-3-RF模型建置流程.mp4
041_12-1-SVC模型建置流程.mp4
042_12-2-裝袋法Bagging整體學習.mp4
043_12-3-投票法Voting整體學習.mp4
044_13-1-K-mean分群法.mp4
045_13-2-K-Means實作.mp4
046_13-3-DBSCAN分群法.mp4
047_13-4-DBSCAN實作.mp4
|
|
您現在的位置：
專業知識教學