2020第十二屆IT鐵人賽 - Cupoy

2020第十二屆IT鐵人賽

AI 學習資源百百種，但哪種最適合初學者呢？AI 專家 - 蔡易霖老師透過 2020 年度 IT 鐵人賽的契機，發表最完整的「從 0 到 1 認識 AI」，除了認識基本的演算法，也介紹如何將已經訓練的

• 第一章 - 認識人工智慧

  本章節將介紹本課程大綱與學習目標，以及初步認識AI人工智慧與機器學習(Machine Learning)

  • 1. 目標介紹

  • 2. 認識AI

  • 3. 機器學習大補帖 - 教學影片

• 第二章 - 資料視覺化

  本章節將簡介資料分析過程中，重要的資料清理與前處理技巧，以及數種視覺化方式以利分析者快速掌握資料長相。

  • 4. 資料視覺化

  • 5. 資料清理 - 前處理

• 機器學習（常見演算法介紹）

  本章節將介紹數個常用的機器學習模型與方法，包含 Kmeans、PCA、線性迴歸（Linear Regression）、羅吉斯迴歸（Logistic Regression）、KNN、SVM、決策樹（Decision Tree）、隨機森林（Random Forest）與 XGBoost

  • 6. 非監督式學習 - K-means分群

  • 7. 非監督式學習 - 降維 part1

  • 8. 非監督式學習 - 降維 part2

  • 9. 線性迴歸（Linear Regression）

  • 10. 羅吉斯迴歸（Logistic Regression）

  • 11. KNN分類器

  • 12. KNN迴歸器

  • 13. SVM分類器

  • 14. SVR迴歸器

  • 15. 決策樹（Decision Tree）分類器

  • 16. 決策樹（Decision Tree）迴歸器

  • 17. 集成式學習

  • 18. 隨機森林（Random Forest）分類器

  • 19. 隨機森林（Random Forest）迴歸器

  • 20. XGBoost分類器

  • 21. XGBoost迴歸器

  • 22. Stacking

• 第四章 - 模型後端 API 架設與部署

  本章節將介紹模型完成訓練後，如何有效儲存模型檔案以利後續使用，以及如何透過 API 串接前端與後端

  • 23. 免費雲端Jupyter Notebook資源

  • 24. 儲存訓練好的模型

  • 25. 使用Python Flask架設API吧

  • 26. 使用Heroku部署機器學習API

  • 27. 使用GCP部署機器學習API

  • 28. API前後端串接

• 第五章 - 深度學習 (DNN、CNN)

  本章節將簡介 Deep Neural Network (DNN) 模型架構與訓練方式，且透過 Tensorflow.js 套件實現手寫辨識分類器。

  • 29. DNN分類器

  • 30.使用TensorFlow.js建置DNN手寫數字辨識分類器