機器學習

一日搞懂生成式對抗網路已額滿

一日搞懂生成式對抗網路

一日搞懂生成式對抗網路 生成式對抗網路 (Generative Adversarial Network, GAN) 顯然是深度學習領域的下一個熱點,Yann LeCun 說這是機器學習領域這十年來最有趣的想法 (the most interesting idea in the last 10 years in ML),又說這是有史以來最酷的東西 (the coolest thing since sliced bread)。生成式對抗網路解決了什麼樣的問題呢?在機器學習領域,回歸 (regression) 和分類 (classification) 這兩項任務的解法人們已經不再陌生,但是如何讓機器更進一步創造出有結構的複雜物件 (例如:圖片、文句) 仍是一大挑戰。用生成式對抗網路,機器已經可以畫出以假亂真的人臉,也可以根據一段敘述文字,自己畫出對應的圖案,甚至還可以畫出二次元人物頭像 (左邊的動畫人物頭像就是機器自己生成的)。本課程希望能帶大家認識生成式對抗網路這個深度學習最前沿的技術。
  1. 60分鐘搞懂深度學習 你隔壁鄰居和他/她的兄弟姊妹都在用深度學習了,如果你還不會的話,用這個機會搞懂它吧。
  2. 什麼是生成式對抗網路 在生成式對抗網路中包含了兩個類神經網路:生成器 (Generator) 和鑑別器 (Discriminator) ,這兩個網路「寫作敵人,唸做朋友」,表面上彼此對抗、但實際上因為互相激勵所以越來越強。
  3. 生成式對抗網路的各種變形 原始的對抗網路訓練不易,於是有了種種改進的版本,例如: WGAN。生成式對抗網路相關技術不斷推陳出新,每次有新的技術就會在 GAN 前面再加幾個英文字母 (例如: WGAN、fGAN、BGAN、EBGAN、BEGAN 等等),英文字母很快就不夠用了。
  4. 生成式對抗網路和其它技術的關聯性 大家都知道 Alpha Go 背後使用了增強式學習 (Reinforcement Learning),使得這年頭有用到增強式學習就是潮,還有另外一個光聽名字就很潮的技術叫逆向增強式學習 (Inverse Reinforcement Learning),藉由了解這些技術和生成式對抗網路的關聯性把這些很潮的技術也學起來吧。
 
課程介紹
手把手的深度學習實務已額滿

手把手的深度學習實務

手把手的深度學習實務 深度學習 (Deep Learning) 是近年來備受重視的機器學習方法,現今許多語音與影像辨識的研究與應用,都基於深度學習的技術來完成。深度學習的工具不斷推陳出新,若你已經聽過這項技術,卻不知道該從何開始下手,這堂手把手的實務課程將會很適合你。 本課程利用六個小時的時間,介紹 Keras 這個熱門的深度學習工具,從最簡單的前饋類神經網路 (Feedforward Neural Network) 開始,用 Keras 加入各種訓練技巧 (Regularization, Early Stopping, Dropout) 以得到好的預測模型。亦介紹深度學習模型的另一個變形:捲積式類神經網路 (Convolutional Neural Network, CNN),以完整的實務操作,讓你邁出成為深度學習訓練大師的第一步。
課程介紹
使用 Python 來做機器學習初探已額滿

使用 Python 來做機器學習初探

Python 程式語言起步走:使用 Python 來做機器學習初探 對於 Python 躍躍欲試嗎? 此課程將帶領對 Python 感到陌生卻又充滿興趣的您,手把手快速入門學會 Python 語言程式設計要點,並進行實際資料處理與機器學習,從基本的程式開發環境、資料型態與語法、到實際的資料整理並進行初步的機器學習應用。 此課程主要設計給想學習 Python 程式設計並利用相關機器學習套件進行機器學習的夥伴們。希望在課程結束後,您能夠更熟悉 Python 語言這個程式工具,將來可以利用豐富方便的套件進行更深入之資料分析與機器學習應用。對於資料科學與 Python 程式設計有興趣,卻苦無入門機會的夥伴們,讓我們一起從無到有動手用 Python 來解決實務的資料問題。希望以深入淺出的課程講解與手把手的零基礎程式實作教學,帶給大家在未來機器學習進階應用的基礎。  
課程介紹
深入淺出深度學習 (Dive into Deep Learning)已額滿

深入淺出深度學習 (Dive into Deep Learning)

深入淺出深度學習 (Dive into Deep Learning) 深度學習 (Deep Learning) 是機器學習 (Machine Learning) 中近年來備受重視的一支,深度學習根源於類神經網路 (Artificial Neural Network) 模型,但今日深度學習的技術和它的前身已截然不同,目前最好的語音辨識和影像辨識系統都是以深度學習技術來完成。 你可能在很多不同的場合聽過各種用深度學習做出的驚人應用 (例如:最近紅遍大街小巷的 AlphaGo),聽完以後覺得心癢癢的,想要趕快使用這項強大的技術,卻不知要從何下手學習,以及不知道要如何應用深度學習於各式應用上,那這門課就是你所需要的。 這門課程將由臺大資訊系陳縕儂教授利用短短的一天議程簡介機器學習及深度學習,包含深度學習基礎理論、模型各種變形、及深度學習應用的發展及趨勢。本課程希望幫助大家不只能了解深度學習,也可以了解如何應用深度學習於實際的應用問題上。無論是從未嘗試過深度學習的新手,還是已經有一點經驗想更深入了解,都可以在這門課中有所收穫。 本課程由三個部分組成:
  1. 什麼是機器學習及深度學習 這堂課會簡介機器學習領域中不同的方法,以監督式學習 (Supervised Learning) 為主,並介紹機器學習及深度學習技術中包含的三個主要步驟:1) 設定模型架構、2) 定義目標函數、3) 選擇最好的函數。
  2. 深度學習模型之變形及應用 這堂課要講深度學習模型兩個常見的變形:捲積式類神經網路 (Convolutional Neural Network, CNN) 不只常用在影像辨識上,應用在圍棋上也成果驚人;循環式類神經網路 (Recurrent Neural Network, RNN) 讓深度學習模型有了記憶力,可以處理更複雜的問題。
  3. 深度學習發展及趨勢 – 非監督式學習 & 強化式學習 深度學習在監督式學習領域已經有較成熟的發展,但是在機器學習中其他領域都才剛起步。這堂課會介紹近期深度學習的最新趨勢,以及深度學習的研究者們近期在意的重要問題。主要介紹並討論非監督式學習 (Unsupervised Learning) 以及強化式學習 (Reinforcement Learning) 領域中深度學習的應用及其效果,並討論深度學習未來之發展。
 
課程介紹
手把手的深度學習實務已額滿

手把手的深度學習實務

深度學習 (Deep Learning) 是近年來備受重視的機器學習方法,現今許多語音與影像辨識的研究與應用,都基於深度學習的技術來完成。深度學習的工具不斷推陳出新,若你已經聽過這項技術,卻不知道該從何開始下手,這堂手把手的實務課程將會很適合你。 本課程利用六個小時的時間,介紹 Keras 這個熱門的深度學習工具,從最簡單的前饋類神經網路 (Feedforward Neural Network) 開始,用 Keras 加入各種訓練技巧 (Regularization, Early Stopping, Dropout) 以得到好的預測模型。亦介紹深度學習模型的另一個變形:捲積式類神經網路 (Convolutional Neural Network, CNN),以完整的實務操作,讓你邁出成為深度學習訓練大師的第一步。    
課程介紹
一天搞懂對話機器人已額滿

一天搞懂對話機器人

智慧對話機器人 (Intelligent Conversational Bot) 是人工智慧領域中近年來備受重視的一支,各個公司及個人都嘗試著架構專屬的聊天機器人 (ChatBot)。然而,聊天機器人的功能不僅僅侷限於聊天,能夠以對話的方式來協助人類完成各式各樣目標才是我們真正想要的人工智慧。聽完以後覺得心癢癢的,想要趕快建立一個自己的對話機器人,卻不知要從何下手學習,以及不知道要如何實作,那這門課就是你所需要的。 這門課程將由臺大資訊系陳縕儂教授利用短短的一天議程簡介對話系統,包含對話系統的基礎理論及架構、每個元件中如何實作、及對話系統近期的發展及趨勢。無論你是否有相關的經驗,都可以在這門課中有所收穫。
課程介紹
深入淺出深度學習 (Dive into Deep Learning)已額滿

深入淺出深度學習 (Dive into Deep Learning)

深度學習 (Deep Learning) 是機器學習 (Machine Learning) 中近年來備受重視的一支,深度學習根源於類神經網路 (Artificial Neural Network) 模型,但今日深度學習的技術和它的前身已截然不同,目前最好的語音辨識和影像辨識系統都是以深度學習技術來完成。 你可能在很多不同的場合聽過各種用深度學習做出的驚人應用 (例如:最近紅遍大街小巷的 AlphaGo),聽完以後覺得心癢癢的,想要趕快使用這項強大的技術,卻不知要從何下手學習,以及不知道要如何應用深度學習於各式應用上,那這門課就是你所需要的。 這門課程將由臺大資訊系陳縕儂教授利用短短的一天議程簡介機器學習及深度學習,包含深度學習基礎理論、模型各種變形、及深度學習應用的發展及趨勢。本課程希望幫助大家不只能了解深度學習,也可以了解如何應用深度學習於實際的應用問題上。無論是從未嘗試過深度學習的新手,還是已經有一點經驗想更深入了解,都可以在這門課中有所收穫。
課程介紹
機器學習速遊 (Quick Tour of Machine Learning)已額滿

機器學習速遊 (Quick Tour of Machine Learning)

機器學習旨在讓電腦能由資料中累積的經驗來自我進步,近年來已廣泛應用於資料探勘、計算機視覺、自然語言處理、生物特徵識別、搜尋引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA 序列測序、語音和手寫識別、戰略遊戲和機器人等領域。它已成為資料科學的基礎學科之一,為任何資料科學家必備的工具。 這門課程將由 Appier 首席資料科學家林軒田利用短短的六個小時,快速地帶大家探索機器學習的基石、介紹核心的模型及一些熱門的技法,希望幫助大家有效率而紮實地了解這個領域,以妥善地使用各式機器學習的工具。此課程適合所有希望開始運用資料的資料分析者,推薦給所有有志於資料分析領域的資料科學愛好者。    
課程介紹
手把手的深度學習實務已額滿

手把手的深度學習實務

深度學習 (Deep Learning) 是近年來備受重視的機器學習方法,現今許多語音與影像辨識的研究與應用,都基於深度學習的技術來完成。深度學習的工具不斷推陳出新,若你已經聽過這項技術,卻不知道該從何開始下手,這堂手把手的實務課程將會很適合你。 本課程利用六個小時的時間,介紹 Keras 這個熱門的深度學習工具,從最簡單的前饋類神經網路 (Feedforward Neural Network) 開始,用 Keras 加入各種訓練技巧 (Regularization, Early Stopping, Dropout) 以得到好的預測模型。亦介紹深度學習模型的另一個變形:捲積式類神經網路 (Convolutional Neural Network, CNN),以完整的實務操作,讓你邁出成為深度學習訓練大師的第一步。
課程介紹
Machine Learning 機器學習課程已額滿

Machine Learning 機器學習課程

近年來,從機器學習、深度學習到人工智慧,都是透過分析這些巨量的資料,從中萃取出有價值的訊息,進而讓「電腦」對各種狀況作出正確判斷,甚至對一些未來的狀況做出預測。這些技術的高度發展,也帶動了各式各樣的創新應用。從 IBM 的 Watson 在 Jeopardy 搶答賽贏過參賽者、Google Deep Mind 的 AlphaGo 以四勝一負戰勝南韓九段天才棋王李世乭、Amazon 的 Echo 到工業 4.0、智慧城市等等。這些改變,已徹底改變了人類思考、學習與生活方式。 本課程將介紹機器學習的基礎與原理,也將涵蓋各式機器學習演算法的核心技術:數值最佳化方法,同時也提供各種評估指標,以利在演算法中的參數挑選與不同演算法之間的比較。Washington University Prof. Pedro Domingos (The Master Algorithm, 大演算一書的作者),曾將機器學習分成三個主要部分:表現 (Representation)、最佳化 (Optimization)、評估 (Evaluation)。與本課程的安排相符。
課程介紹
人工智慧與機器學習在推薦系統上的應用已額滿

人工智慧與機器學習在推薦系統上的應用

本課程特別邀請到臺大資工系林守德教授,利用六小時的課程簡介人工智慧的歷史演進以及其與機器學習的關聯,同時也會介紹在實務上如何訓練好的機器學習模型,及如何應用相關技術建立智慧推薦系統。 本課程由四個部分組成:
  • 人工智慧與機器學習簡介
  • 內容為本推薦系統
  • 協同過濾系統
  • 進階推薦系統
   
課程介紹
星火燎原 - Spark 機器學習初探已額滿

星火燎原 - Spark 機器學習初探

此課程專為 Spark 入門者設計,在六小時帶您從無到有建置 Spark 開發環境,並以實作方式帶領您了解 Spark 機器學習函式庫 (MLlib) 的應用及開發。課程實作將以 Spark 核心之實作語言 - Scala 為主,搭配 Scala IDE eclipse 及相關 Library 建置本機開發環境,透過 IDE 強大的開發及偵錯功能加速開發流程;並介紹如何佈置至 Spark 平台,透過 Spark-submit 執行資料分析工作。
本課程涵蓋機器學習中最常使用之分類、迴歸及分群方法,在本課程中您將會了解到如何操作 Spark 核心資料集 - Resilient Distributed Dataset (RDD) 取得資料的概括統計量 (summary statistics);並了解決策樹演算法 (Decision Tree)、最小平方法 (Linear least squares) 及 K-Means 演算法如何應用於租借量分析預測及網頁分類等情境。
歡迎對 Spark 感興趣,卻不知從何下手;或想快速的對 Spark 機器學習有初步的了解的您參與!
課程介紹