01 Tensorflow 介紹

1-1 什麼是Tensorflow?

1-2 Tensorflow 2.0

1-3 線上免費開發測試環境

1-4 總結



02 Tensorflow 基本語法

2-1 變數類型

2-2 建立數據

2-3 數據操作

2-4 數據運算

2-5 總結



03 TF.Keras API

3-1 基本操作

3-2 定義模型

3-3 模型訓練

3-4 模型儲存

3-5 總結



04 Python 資料處理與視覺化實戰

4-1 初入茅廬

4-2 小試身手

4-3 熟能生巧

4-4 觸類旁通

4-5 融會貫通



05 深度神經網路 (Deep Neural Network)

5-1 線性迴歸 (Regression)

5-2 優化器 (Optimizer)

5-3 深度神經網路 (Deep Neural Network)

5-4 深度神經網路－ Lab 1 (Data：Airbnb)

5-5 深度神經網路－ Lab 2 (Data：Fashion MNIST)

5-6 總結



06 卷積神經網路 (Convolutional Neural Network)

6-1 CNN

6-2 VGG



07 遞歸神經網路 (Recurrent Neural Network)

7-1 遞歸神經網路 (RNN)

7-2 長短期記憶網路

7-3 RNN 實作 - 情感分析

7-4 RNN 實作 - 股價預測

7-5 BERT 初探

7-6 實務技巧分享

7-7 案例說明



08 推薦系統 (Recommendation System)

8-1 推薦系統介紹

8-2 Wide & Deep 推薦系統介紹

8-3 Deep & Wide 模型 Lab

8-4 實務經驗與結論



09 從Auto-Encoder 到GAN

9-1 非監督式學習 (Unsupervised Learning)

9-2 自動編碼器 (Auto-Encoder)

9-3 自動編碼器 (Auto-Encoder) 實作

9-4 Variational Auto-Encoder (VAE)

9-5 生成對抗網路 (Generative Adversarial Network)

9-6 GAN 實作LAB-1

9-7 GAN 實作LAB-2 MNIST



10 增強式學習 (Reinforcement Learning)

10-1 什麼是增強式學習RL

10-2 RL 的學習方法

10-3 DeepQNetwork

10-4 RL DQN - Colab 實作

10-5 總結



11 模型調教與模型服務

11-1 模型調教問題 - Overfit 以及Underfit

11-2 模型視覺化 - TensorBoard

11-3 遷移學習 (Transfer Learning)

11-4 模型服務 (Model Serving)

11-5 總結

01 Tensorflow 介紹
1-1 什麼是Tensorflow?
1-2 Tensorflow 2.0
1-3 線上免費開發測試環境
1-4 總結

02 Tensorflow 基本語法
2-1 變數類型
2-2 建立數據
2-3 數據操作
2-4 數據運算
2-5 總結

03 TF.Keras API
3-1 基本操作
3-2 定義模型
3-3 模型訓練
3-4 模型儲存
3-5 總結

04 Python 資料處理與視覺化實戰
4-1 初入茅廬
4-2 小試身手
4-3 熟能生巧
4-4 觸類旁通
4-5 融會貫通

05 深度神經網路 (Deep Neural Network)
5-1 線性迴歸 (Regression)
5-2 優化器 (Optimizer)
5-3 深度神經網路 (Deep Neural Network)
5-4 深度神經網路－ Lab 1 (Data：Airbnb)
5-5 深度神經網路－ Lab 2 (Data：Fashion MNIST)
5-6 總結

06 卷積神經網路 (Convolutional Neural Network)
6-1 CNN
6-2 VGG

07 遞歸神經網路 (Recurrent Neural Network)
7-1 遞歸神經網路 (RNN)
7-2 長短期記憶網路
7-3 RNN 實作 - 情感分析
7-4 RNN 實作 - 股價預測
7-5 BERT 初探
7-6 實務技巧分享
7-7 案例說明

08 推薦系統 (Recommendation System)
8-1 推薦系統介紹
8-2 Wide & Deep 推薦系統介紹
8-3 Deep & Wide 模型 Lab
8-4 實務經驗與結論

09 從Auto-Encoder 到GAN
9-1 非監督式學習 (Unsupervised Learning)
9-2 自動編碼器 (Auto-Encoder)
9-3 自動編碼器 (Auto-Encoder) 實作
9-4 Variational Auto-Encoder (VAE)
9-5 生成對抗網路 (Generative Adversarial Network)
9-6 GAN 實作LAB-1
9-7 GAN 實作LAB-2 MNIST

10 增強式學習 (Reinforcement Learning)
10-1 什麼是增強式學習RL
10-2 RL 的學習方法
10-3 DeepQNetwork
10-4 RL DQN - Colab 實作
10-5 總結

11 模型調教與模型服務
11-1 模型調教問題 - Overfit 以及Underfit
11-2 模型視覺化 - TensorBoard
11-3 遷移學習 (Transfer Learning)
11-4 模型服務 (Model Serving)
11-5 總結

01 Tensorflow 介紹

1-1 什麼是Tensorflow?

1-2 Tensorflow 2.0

1-3 線上免費開發測試環境

1-4 總結



02 Tensorflow 基本語法

2-1 變數類型

2-2 建立數據

2-3 數據操作

2-4 數據運算

2-5 總結



03 TF.Keras API

3-1 基本操作

3-2 定義模型

3-3 模型訓練

3-4 模型儲存

3-5 總結



04 Python 資料處理與視覺化實戰

4-1 初入茅廬

4-2 小試身手

4-3 熟能生巧

4-4 觸類旁通

4-5 融會貫通



05 深度神經網路 (Deep Neural Network)

5-1 線性迴歸 (Regression)

5-2 優化器 (Optimizer)

5-3 深度神經網路 (Deep Neural Network)

5-4 深度神經網路－ Lab 1 (Data：Airbnb)

5-5 深度神經網路－ Lab 2 (Data：Fashion MNIST)

5-6 總結



06 卷積神經網路 (Convolutional Neural Network)

6-1 CNN

6-2 VGG



07 遞歸神經網路 (Recurrent Neural Network)

7-1 遞歸神經網路 (RNN)

7-2 長短期記憶網路

7-3 RNN 實作 - 情感分析

7-4 RNN 實作 - 股價預測

7-5 BERT 初探

7-6 實務技巧分享

7-7 案例說明



08 推薦系統 (Recommendation System)

8-1 推薦系統介紹

8-2 Wide & Deep 推薦系統介紹

8-3 Deep & Wide 模型 Lab

8-4 實務經驗與結論



09 從Auto-Encoder 到GAN

9-1 非監督式學習 (Unsupervised Learning)

9-2 自動編碼器 (Auto-Encoder)

9-3 自動編碼器 (Auto-Encoder) 實作

9-4 Variational Auto-Encoder (VAE)

9-5 生成對抗網路 (Generative Adversarial Network)

9-6 GAN 實作LAB-1

9-7 GAN 實作LAB-2 MNIST



10 增強式學習 (Reinforcement Learning)

10-1 什麼是增強式學習RL

10-2 RL 的學習方法

10-3 DeepQNetwork

10-4 RL DQN - Colab 實作

10-5 總結



11 模型調教與模型服務

11-1 模型調教問題 - Overfit 以及Underfit

11-2 模型視覺化 - TensorBoard

11-3 遷移學習 (Transfer Learning)

11-4 模型服務 (Model Serving)

11-5 總結