2019/09/25(三)-09/26(四) 深度學習與強化式學習原理應用班

課程說明：

深度學習與強化式學習是人工智慧(ArtificialIntelligence, AI)時代下機器學習中的重要發展，近年來因為智能系統的需求而大獲重視，尤其是強化式學習解決合乎實際的循序決策問題，而非一次性的決策制定。

強化式學習的目標在於尋找長期或跨期規劃下的最佳決策(optimal long-term planning)，作業研究 (OperationsResearch, OR)中的確定性模型與隨機模型均與此類問題相關，動態規劃 (dynamic programming)、馬可夫鏈 (Markov chain)、馬可夫決策過程 (Markov Decision Process, MDP)、賽局理論 (game theory) 等，都是可能的解決方法。

本課程介紹人工智慧算法的基礎觀念，並結合案例數據進行實作，期能激起參與者對智能系統各種應用的興趣，邁向機器自主學習與譬劃未來的新境界。

課程目標：

學習強化式學習各種方法的理論與應用實務，並能運用TensorFlow、OpenAI、Keras等Python函式庫，讓學員短時間內掌握深度學習的重要知識。

課程特色：

網羅機率統計、作業研究、資料探勘、機器學習、多目標最佳化、進化式計算與群體智慧(evolutionary computation and swarm intelligence)等方面多年相關教學研究經驗的跨領域師資，除了實機操作外，並分享在氣象、交通、互聯網、零售、金融與製造等領域的實戰分析經驗，讓學員掌握大資料know-how的全貌，明瞭不同方法、工具與應用領域之間的差異，活用智慧資料分析技術與抓住未來發展趨勢。

招生對象：

課程時間及優惠：

課程天數：2天；上午9：30至下午4：30(中午休息1小時)

原價12,800元整 (含上課講義、16小時研習證明與午餐)

早鳥(8月20日前)/舊生：7,200元／人 

二人以上團體：6,800元／人

三人以上團體：6,200元／人

講師介紹：

AsiaAnalytics專業講師：鄒慶士 教授

臺灣工業技術學院(TAIWAN TECH) IE/OR博士(1990~1994)，曾任教於新竹市中華大學企業管理學系所副教授(1996~2001)，世新大學資訊管理學系所副教授(2001~2004)，兼任中原、空中、實踐、東吳、中央等大學講師/副教授/教授(1991~)，著有「大數據分析與應用實戰：統計機器學習之資料導向程式設計(東華書局總經銷)。」

專長領域為大數據與資料探勘、機器學習、多目標最佳化、進化式計算、賽局模型、等候網路與企業電子化等。現任臺北商業大學資訊與決策科學研究所教授暨資料科學應用研究中心主任。

課程大綱：

• 知名卷積神經網路介紹 (2hours)
• 生成式對抗網路及其應用 (2hours)
• 序列資料與遞歸神經網路GRU與LSTM原理 (4hours)

1. 情緒分析案例實作
2. 文本摘要實作
3. 故障預測與健康管理

• 強化式學習原理 (4hours)

1. 循序決策相關名詞與動態規劃(State, action, transition, reward, policy,Bellman equation)
2. 隨機模型與馬可夫決策過程(Monte Carlo method, Markov chain)
3. 價值為基礎的方法(value-based approach)Value iteration, policy iteration,Q-learning, deep Q-network, SARSA
4. 政策最佳化方法(policy optimization approach)Policy gradient, temporal difference
5. 行動者-評論家方法(actor-critic method)Asynchronous advantage actor-critic (A3C) algorith