第一堂AI深度學習課程：TensorFlow神經網路實戰

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