►第四篇 自然語言處理
第13 章 自然語言處理的介紹
▍13-1 詞袋（BOW）與TF-IDF
▍13-2 詞彙前置處理
▍13-3 詞向量（Word Vector）
▍13-4 GloVe 模型
▍13-5 中文詞向量
▍13-6 spaCy 套件
▍13-7 本章小結
▍參考資料（ References）

第14 章 自然語言處理的演算法
▍14-1 循環神經網路（RNN）
▍14-2 長短期記憶網路（LSTM）
▍14-3 LSTM 重要參數與多層LSTM
▍14-4 Gate Recurrent Unit（GRU）
▍14-5 RNN 系列模型應用
▍14-6 股價預測
▍14-7 股價預測與時間序列分析
▍14-8 時間序列分析（Time Series Analysis）
▍14-9 Prophet 套件實作
▍14-10 以ARIMA 預測台股
▍14-11 以Prophet 預測台股
▍14-12 加入技術指標
▍14-13 NLP 其他應用
14-13-1 機器翻譯（NMT）
14-13-2 命名實體識別（NER）8
14-13-3 文本生成（Text generation）
▍14-14 本章小結
▍參考資料（ References）

第15 章 大型語言模型（LLM）
▍15-1 Transformer 演算法
▍15-2 Transformer 實作
▍15-3 Transformers 套件實作
▍15-4 Transformers 模型微調
▍15-5 大型語言模型測試
▍15-6 ChatGPT 簡介
15-6-1 ChatGPT 使用者介面
15-6-2 OpenAI API
▍15-7 大型語言模型訓練架構
▍15-8 大型語言模型導入實務
15-8-1 提示工程（Prompt engineering）
15-8-2 RAG（Retrieval Augmented Generation）
15-8-3 AI Agent 5
▍15-9 本章小結
▍參考資料（ References）

第16 章 語音辨識
▍16-1 語音基本認識
▍16-2 語音前置處理
▍16-3 TensorFlow/PyTorch 內建語音資料集
▍16-4 語音深度學習實作
▍16-5 自動語音辨識（Automatic Speech Recognition）
▍16-6 GMM-HMM 概念說明
▍16-7 GMM-HMM 實作
▍16-8 深度學習演算法
▍16-9 Whisper 套件測試
▍16-10 本章小結
▍參考資料（ References）

►第五篇 強化學習（Reinforcement Learning）
第17 章 強化學習
▍17-1 強化學習的基礎
▍17-2 強化學習模型
▍17-3 簡單的強化學習架構
▍17-4 Gymnasium 套件
▍17-5 貝爾曼方程式（Bellman Equation）
▍17-6 動態規劃（Dynamic Programming）演算法
▍17-7 值循環（Value Iteration）
▍17-8 蒙地卡羅（Monte Carlo）演算法
▍17-9 時序差分（Temporal Difference）
17-9-1 SARSA 演算法
17-9-2 Q-learning 演算法
▍17-10 井字遊戲
▍17-11 倉庫撿貨系統
▍17-12 Deep Q-Learning 演算法
▍17-13 策略梯度（Policy Gradient）演算法
▍17-14 Stable Baselines3 套件
▍17-15 其他研究方向
▍17-16 本章小結
▍參考資料（ References）asnd ►第四篇 自然語言處理
第13 章 自然語言處理的介紹
▍13-1 詞袋（BOW）與TF-IDF
▍13-2 詞彙前置處理
▍13-3 詞向量（Word Vector）
▍13-4 GloVe 模型
▍13-5 中文詞向量
▍13-6 spaCy 套件
▍13-7 本章小結
▍參考資料（ References）

第14 章 自然語言處理的演算法
▍14-1 循環神經網路（RNN）
▍14-2 長短期記憶網路（LSTM）
▍14-3 LSTM 重要參數與多層LSTM
▍14-4 Gate Recurrent Unit（GRU）
▍14-5 RNN 系列模型應用
▍14-6 股價預測
▍14-7 股價預測與時間序列分析
▍14-8 時間序列分析（Time Series Analysis）
▍14-9 Prophet 套件實作
▍14-10 以ARIMA 預測台股
▍14-11 以Prophet 預測台股
▍14-12 加入技術指標
▍14-13 NLP 其他應用
14-13-1 機器翻譯（NMT）
14-13-2 命名實體識別（NER）8
14-13-3 文本生成（Text generation）
▍14-14 本章小結
▍參考資料（ References）

第15 章 大型語言模型（LLM）
▍15-1 Transformer 演算法
▍15-2 Transformer 實作
▍15-3 Transformers 套件實作
▍15-4 Transformers 模型微調
▍15-5 大型語言模型測試
▍15-6 ChatGPT 簡介
15-6-1 ChatGPT 使用者介面
15-6-2 OpenAI API
▍15-7 大型語言模型訓練架構
▍15-8 大型語言模型導入實務
15-8-1 提示工程（Prompt engineering）
15-8-2 RAG（Retrieval Augmented Generation）
15-8-3 AI Agent 5
▍15-9 本章小結
▍參考資料（ References）

第16 章 語音辨識
▍16-1 語音基本認識
▍16-2 語音前置處理
▍16-3 TensorFlow/PyTorch 內建語音資料集
▍16-4 語音深度學習實作
▍16-5 自動語音辨識（Automatic Speech Recognition）
▍16-6 GMM-HMM 概念說明
▍16-7 GMM-HMM 實作
▍16-8 深度學習演算法
▍16-9 Whisper 套件測試
▍16-10 本章小結
▍參考資料（ References）

►第五篇 強化學習（Reinforcement Learning）
第17 章 強化學習
▍17-1 強化學習的基礎
▍17-2 強化學習模型
▍17-3 簡單的強化學習架構
▍17-4 Gymnasium 套件
▍17-5 貝爾曼方程式（Bellman Equation）
▍17-6 動態規劃（Dynamic Programming）演算法
▍17-7 值循環（Value Iteration）
▍17-8 蒙地卡羅（Monte Carlo）演算法
▍17-9 時序差分（Temporal Difference）
17-9-1 SARSA 演算法
17-9-2 Q-learning 演算法
▍17-10 井字遊戲
▍17-11 倉庫撿貨系統
▍17-12 Deep Q-Learning 演算法
▍17-13 策略梯度（Policy Gradient）演算法
▍17-14 Stable Baselines3 套件
▍17-15 其他研究方向
▍17-16 本章小結
▍參考資料（ References）askw ►第四篇 自然語言處理
第13 章 自然語言處理的介紹
▍13-1 詞袋（BOW）與TF-IDF
▍13-2 詞彙前置處理
▍13-3 詞向量（Word Vector）
▍13-4 GloVe 模型
▍13-5 中文詞向量
▍13-6 spaCy 套件
▍13-7 本章小結
▍參考資料（ References）

第14 章 自然語言處理的演算法
▍14-1 循環神經網路（RNN）
▍14-2 長短期記憶網路（LSTM）
▍14-3 LSTM 重要參數與多層LSTM
▍14-4 Gate Recurrent Unit（GRU）
▍14-5 RNN 系列模型應用
▍14-6 股價預測
▍14-7 股價預測與時間序列分析
▍14-8 時間序列分析（Time Series Analysis）
▍14-9 Prophet 套件實作
▍14-10 以ARIMA 預測台股
▍14-11 以Prophet 預測台股
▍14-12 加入技術指標
▍14-13 NLP 其他應用
14-13-1 機器翻譯（NMT）
14-13-2 命名實體識別（NER）8
14-13-3 文本生成（Text generation）
▍14-14 本章小結
▍參考資料（ References）

第15 章 大型語言模型（LLM）
▍15-1 Transformer 演算法
▍15-2 Transformer 實作
▍15-3 Transformers 套件實作
▍15-4 Transformers 模型微調
▍15-5 大型語言模型測試
▍15-6 ChatGPT 簡介
15-6-1 ChatGPT 使用者介面
15-6-2 OpenAI API
▍15-7 大型語言模型訓練架構
▍15-8 大型語言模型導入實務
15-8-1 提示工程（Prompt engineering）
15-8-2 RAG（Retrieval Augmented Generation）
15-8-3 AI Agent 5
▍15-9 本章小結
▍參考資料（ References）

第16 章 語音辨識
▍16-1 語音基本認識
▍16-2 語音前置處理
▍16-3 TensorFlow/PyTorch 內建語音資料集
▍16-4 語音深度學習實作
▍16-5 自動語音辨識（Automatic Speech Recognition）
▍16-6 GMM-HMM 概念說明
▍16-7 GMM-HMM 實作
▍16-8 深度學習演算法
▍16-9 Whisper 套件測試
▍16-10 本章小結
▍參考資料（ References）

►第五篇 強化學習（Reinforcement Learning）
第17 章 強化學習
▍17-1 強化學習的基礎
▍17-2 強化學習模型
▍17-3 簡單的強化學習架構
▍17-4 Gymnasium 套件
▍17-5 貝爾曼方程式（Bellman Equation）
▍17-6 動態規劃（Dynamic Programming）演算法
▍17-7 值循環（Value Iteration）
▍17-8 蒙地卡羅（Monte Carlo）演算法
▍17-9 時序差分（Temporal Difference）
17-9-1 SARSA 演算法
17-9-2 Q-learning 演算法
▍17-10 井字遊戲
▍17-11 倉庫撿貨系統
▍17-12 Deep Q-Learning 演算法
▍17-13 策略梯度（Policy Gradient）演算法
▍17-14 Stable Baselines3 套件
▍17-15 其他研究方向
▍17-16 本章小結
▍參考資料（ References）