課程特色:
AI生成式學習(generative learning)是人工智慧時代下機率與統計學習的重要發展,是近年來AI領域相當走紅的技術。生成式學習基於人類學習過程,依賴於頭腦中已經存在的記憶和知識,當新數據被整合到我們的長期記憶中時,它就成為我們新生理解與繼續應用的一部分。
本課程從判別型(discriminant)決策制定開始,說明生成式建模的必要性,再進一步由重構式(reconstruction)學習,介紹生成建模的幾種途徑,包括基於潛變量(latent variables)觀念的變分自動編碼器(Variational AutoEncoder, VAE)。透過Python實作自動編碼器(autoencoder)、變分(variational)自動編碼器、自迴歸(autoregressive)依序生成模型等,讓學員進一步了解生成建模的機理與應用方向,學習生成式AI各種解題方法的理論與應用實務,並能運用TensorFlow、PyTorch、Keras等Python套件與函式庫,掌握圖像與文字生成式學習的重要知識。
課程時間:上午9:30至下午4:30(中午休息1小時)
課程優惠價:4,500元/人 (含8小時研習證明及講義)
講師介紹:
析數智匯特聘專業講師/鄒慶士 博士
國立臺北商業大學資訊與決策科學研究所暨智能控制與決策中心教授、明志科技大學機械工程系特聘教授兼人工智慧暨資料科學研究中心主任(2020.8~2022.7)、社團法人中華民國品質學會大數據品質應用委員會主任委員(2020~迄今)、中華R軟體學會創會理事長(2012~2018)、臺灣資料科學與商業應用協會創會理事長(2013~2018)、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(ISBN978-957-43-6340-7)
課程大綱:
A. 深度神經網路簡介
A-1.卷積運算與圖像感知
A-2.遞歸結構與序列記憶
A-3.注意力機制與變形金剛預訓練網路
B. 生成式建模與AI
B-1.自動編碼器與重構式學習
B-2.潛變量模型與變分自動編碼器
B-3.文本生成與自迴歸模型
(A與B中各項主題可能會交錯進行講授)
注意事項:
![]() |