獲得巨大關注的 No-code人工智慧模型
培養被預設為未來的基本能力,無痛學習
熟悉深度學習,掌握不同類型的學習算法,對AI有認識
學習思考自己的AI獨特性,打破科技運用裡的機會落差
【課程特色】
本課程由臺師大電機工程學系林政宏教授教學團隊所設計,旨在讓學生深入理解人工智慧的基礎知識及其應用。此外,課程設計考慮到不同背景的學生需求,在實作部分,強調無痛的學習 AI,我們將採用 No-code(無程式碼)的教學方式,無須寫程式即可透過雲端平台讓學生實際體驗最新的相關技術,訓練自己的模型,不僅適合具有相關領域經驗的學生,也歡迎無經驗的學員參加,得每位學生都能有效學習並參與其中。
【課程目標】
- 知識目標:了解人工智慧的定義、起源和發展歷程,包括理論基礎及當代的技術進展及應用、掌握不同類型的學習算法,包含機器學習、深度學習、生成式 AI,並通過無程式碼平台進行實作。
- 能力目標:熟悉深度學習的原理與應用(物件辨識、物件偵測、骨架辨識、動作辨識等等)、AI 模型的訓練和調整、生成式 AI 流程。
- 情意目標:激發創新人工智慧應用的興趣並鼓勵學生進行創造性思考。
【課程大綱】
- Chapter 1 人工智慧導論
- 1.1 什麼是人工智慧 ?
- 1.2 人工智慧發展史
- 1.3 人工智慧的應用領域
- 1.4 生活中的人工智慧
- 1.5 常見人工智慧 Q&A
- Chapter 2 基本原理
- 2.1 函數學習器
- 2.2 神經網路
- 2.3 感知器(perceptron)
- 2.4 線性可分&不可分
- 2.5 多層感知器 MLP
- Chapter 3 深度學習
- 3.1 深度學習簡介
- 3.2 卷積神經網路 CNN
- 3.3 Object detection
- 3.4 Segmentation
- 3.5 深度學習訓練流程
- 3.6 深度學習常見的需求與問題
- Chapter 4 AIDMS平臺介紹與實作
- 4.1 線上運算平臺介紹
- 4.2 No-Code
- 4.3 今日實作平臺 - AIDMS
- 4.4 AIDMS 平臺實作
- 4.5 Project 1 - 打瞌睡辨識_Object detection
- 4.6 Project 2 - 標準姿勢檢測_segmentation
- 4.7 Project 3 - 顯微鏡細胞辨識_Classification
- 4.8 訓練常見的問題 - Overfitting
- 4.9 資料集對於模型訓練的影響
- 4.10 製作自己的資料集
- 4.11 Project 4 – 個人的客製化模型
- Chapter 5 生成式 AI
- 5.1 甚麼是 Generative AI (生成式 AI)
- 5.2 應用範例
- 5.3 挑戰&隱憂
- 5.4 Generative AI–Text
- 5.5 Generative AI–Image