Python - PyKT

Python與機器學習深度學習-使用Keras與TensorFlow

Machine Learning and Deep Learning with Python - Using Keras and TensorFlow
  • 時數：35小時
  • 費用：NT$ 24,000
  • 點數：6.0

選擇查詢分區開課時間

地點 班號 日期 時間 預約
台北 253015 班 2025/11/03 ~ 2025/11/07 每週一二三四五 09:00~17:00 預約
台北 26020 班 2026/06/08 ~ 2026/06/12 每週一二三四五 09:00~17:00 預約

目前查無開課時段

詳細開課時間請洽詢業務
新竹、台中、高雄如有上課需求，請參考台北開課日期，洽當地服務人員依需求加開遠距開課日期

聯絡恆逸

教材

恆逸專用教材

課程目標

本課程會使用最新的pycharm community版本, 搭配目前穩定的python, scikit-learn, tensorflow(目前是2.2)與keras

TensorFlow是google的一套數值運算的函式庫，它是資料流操作的工具並且它是open source的。可以讓使用者建立多維度的資料陣列，並且能夠善用CPU/GPU與桌機、伺服器、雲端甚至手機等等的計算資源，它包含了Tensorboard作為視覺工具，被用在許多智慧學習/深度學習的領域。

而Keras是一個Python所寫成的類神經網路API，它能夠建在TensorFlow、Theano或其它後端工具上，讓使用者可以快速的修改並且研發想要開發的模型。

本課程將從機器學習的原理應用出發，並且說明如何用Keras/TensorFlow作類神經網路的模型建立與使用。

適合對象

  1. 想做Data Scientist者
  2. 需要學習Machine Learning /深度學習者

預備知識

Python語言或基礎程式設計背景

課程內容

  1. Anaconda與Python下tensorflow與sklearn的設定與組態

  2. 開發環境整理與調校

  3. 機器學習與深度學習概論

  4. 機器學習與深度學習需要的資料處理與視覺化

  5. 多變數線性迴歸

  6. 監督式學習

    • Logistic Regression

    • Support Vector Machine

    • Decision Tree

    • Random Forest

    • KNN

    • Naive Bayes

  7. 非監督式學習

    • KMean

    • PCA(Principal Component Analysis)

  8. Tensorflow與Keras

    • 離散分類問題的建模

    • 模型效能評估

    • 資料集合的處理

    • Model Selection模型選取

    • hyper parameter後設參數調校

  9. Keras與Neural Network

    • 數種MNIST預測

  10. IMDB與Reuter資料處理

  11. Keras與CNN(Convolutioal Neural Network)建模

  12. TensorBoard的使用

  13. 彈性補充

    • RNN

    • 深度學習與NVidia的Cuda的組態與設定

學會技能

  1. 建立Python與Anaconda下的機器學習環境，建立符合tensorflow的機器學習、深度學習環境並且管理套件相依與版本
  2. 使用Sklearn作機器學習，結合python語言作機器學習如迴歸、分類、分群、維度下降與資料前處理
  3. 使用tensorflow作深度學習，了解tensor的原理與tensorflow主要構成元件與簡單上手的觀念
  4. 使用Keras建模並且作圖形和資料分類，由上而下的方式建模型，使用較容易理解、維護的方式進行深度學習的操作