---
title: "第一堂AI深度學習課程：TensorFlow神經網路實戰"
slug: 34
url: https://www.cite.tw/courses/34
type: paid
---

# 第一堂AI深度學習課程：TensorFlow神經網路實戰

## Description

上完課掌握哪些技能 學會最新的線上開發工具－Colab。 學會最新的Google TensorFlow 2.0撰寫方法。 掌握類神經網路基礎概念，奠定深度學習的基礎。 強化機器學習的成果，使效果更加精準。 有能力針對實務上常見的數值型與分類型題目做解析。 了解如何將商業問題轉換為工程問題，將深度學習導入應用。 誰適合上課 對於深度學習有興趣的人，不會寫程式也完全沒有問題。 會寫程式，想要踏入深度學習、TensorFlow領域的人。 企業轉型，想要將深度學習導入企業的公司。 擁有大量數據，未來透過人工智慧進行輔助預測的人。 TensorFlow是目前最受歡迎的AI框架之一，是由Google團隊開發的高效能開元數值運算函式庫，能有效地進行回歸、分類、神經網絡等，甚至能夠在CPU、GPU、TPU上運行。課程使用完全線上的開發工具Colab進行實作，分享最新TensorFlow 2.0的觀念、作法及應用，學習類神經網路基礎概念、學會神經元、神經網路的設計，並且針對實務上最常遇見的分類型、回歸型題目實作。 單元一、Colab 基本觀念與實作 第一單元會帶大家使用Google開放的數據分析工具－Colab，它是一個完全雲端化的工具，不需要安裝深度學習相關的環境與套件，實用上不僅方便撰寫程式碼、數據分析運算資源，也不再需要擔心沒有GPU可以實作。。 單元二、 TensorFlow2 概觀 第二單元會針對最新推出的TensorFlow2.0觀念與做法做講解，並且在單元中還會透過TensorFlow for JavaScript的應用展示，讓您能更深刻體會到TensorFlow的威力。 單元三、類神經網路基礎概念 在類神經網路這的單元中，我們會從神經元如何運作、網路權重、神經元運算流程、網路修正、神經網路的運算過程來去做分享，課程中還會搭配動畫的方式來做說明，幫助學員踏入神經網路的門檻，最後更會透過猜午餐的實作題來更清楚了解神經元的運作。單元四、第一個神經網路第四單元會講解如何將商業問題轉換為工程問題的概念，讓數據分析能得到很好的解決方法，藉此有效提升商業問題導入深度學習的成功率，透過設計流程與設計題目兩個面向來解析，讓學員更清楚了解類神經網路在系統架構中是如何運作的。單元五、分類題、迴歸題實作單元中會一次分享兩種實務上最常遇見的題目類別：分類題、迴歸題。分類型與迴歸型題目最主要的差異為標籤是否為連續型，透過運用範例實際操作讓學員能直接觀察結果，並藉此明顯體會其中的差異與應用範圍。JerryWu現任Google機器學習開發專家(GDE)、亞太智能機器創辦人兼技術長，專注於機器智能(Machine Intelligence)的研發與整合，包含機器視覺(CV)與自然語言理解(NLU)。曾任國立台灣科技大學講師、外商數據科學顧問、裕隆集團/華創車電(股)資深數據科學顧問、DSP智庫驅動(股)共同創辦人兼技術長，歷經許多產、官、學、研機器智能專案。專長各項資料結合AI在不同技術的整合，包含情緒分析、機器視覺、機器問答、機器人、物聯網等議題，參與專案涉及醫療業、不動產業、車電業、金融業等。擅長進行機器智能訓練與系統整合，包含從需求分析、訓練規劃、系統架構、程式撰寫、團隊合作，希望有朝一日能打造更擬人化的機器。Jerry老師授課經驗非常豐富，目前與T客邦合作開過許多課程，如機器視覺原理與實作、NLP自然語言處理分析實戰、深度學習 x 語意分析實戰、知識圖譜 x 智能對話 x 圖形資料庫等課程。TVBS採訪：【APMIC亞太智能機器】以機器智能和語意理解受訪TVBS世界翻轉中

## Course Info

- Lectures: 15
- Video: 2.4h
- Downloadable resources: 1

## Instructors

### Jerry

JerryWu現任Google機器學習開發專家(GDE)、亞太智能機器創辦人兼技術長，專注於機器智能(Machine Intelligence)的研發與整合，包含機器視覺(CV)與自然語言理解(NLU)。曾任國立台灣科技大學講師、外商數據科學顧問、裕隆集團/華創車電(股)資深數據科學顧問、DSP智庫驅動(股)共同創辦人兼技術長，歷經許多產、官、學、研機器智能專案。

## Curriculum

### 第一章節、Colab 基本觀念與實作 (0m)

- 單元 1、Colab 環境建置與功能介紹 (0m)

### 第二章節、TensorFlow2 概觀 (0m)

- 單元2、TensorFlow 2 介紹 (0m)
- 單元3、TensorFlow.js 應用分享 (0m)

### 第三章節、類神經網路基礎概念 (0m)

- 單元4、神經網路基礎概念1－單顆神經元運作 (0m) [Preview]
- 單元5、神經網路基礎概念2 - 權重轉換 (0m)
- 單元6、神經網路基礎概念3 - 運算流程 (0m)
- 單元7、反覆修正結果利器－優化器 (0m)
- 單元8、神經網路運算結果展示 (0m)
- 單元9、用Python設計單一神經元 (0m)

### 第四章節、設計第一個神經網路 (0m)

- 單元10、如何將商業問題轉換為工程問題 (0m)

### 第五章節、分類型、迴歸型問題實作 (0m)

- 單元11、神經網路－分類題型介紹 (0m)
- 單元12、神經網路實戰－鳶尾花分類 (0m)
- 單元13、神經網路－連續(迴歸)題型介紹 (0m)
- 單元14、神經網路實戰－鳶尾花預測 (0m)

### 講義區 (0m)

- 深度學習不求人-TensorFlow基礎篇 (0m)

## Pricing

### 優惠價 - NT$2,000