Machine Learning and Deep Learning（英）

課程學習重點

1. 人工智慧、機器學習與深度學習差異說明：掌握三者之間的區別，建立正確觀念並有效運用。

2. 機器學習分類方式介紹：深入瞭解監督式、非監督式及強化學習三種學習方式的特性。

3. 常見機器學習技術解析：認識決策樹、線性迴歸與邏輯迴歸的運作原理與應用情境。

4. 傳統機器學習優勢探討：列舉並解析傳統機器學習方法的主要優點及適用場景。

5. 類神經網路概念理解：學習人類大腦如何啟發類神經網路，掌握其運作基本原理。

6. 感知器資訊流動原理說明：清楚理解感知器節點內資訊傳遞方式，奠定神經網路基礎。

7. 深度學習定義與應用解析：瞭解深度學習生態系統及其現實生活中的應用案例。

 

課程收穫

1. 分析與判斷AI技術能力：能夠有效區分AI、機器學習和深度學習，提升專業知識基礎。

2. 傳統機器學習運用技能：熟悉傳統機器學習方法的特點與優勢，強化實務運用能力。

3. 掌握類神經網路運作原理：深入瞭解類神經網路與深度學習的原理，提升專業應用技巧。

4. AI未來趨勢敏銳度提升：瞭解機器學習的未來發展趨勢，培養前瞻性的專業思維。

 

適合對象

這堂課適合想深入瞭解機器學習和深度學習核心概念的學習者。只要希望建立紮實的AI技術基礎，瞭解機器如何透過資料學習並進行預測與判斷，都能透過本課程快速入門，提升個人在AI領域的專業能力。