|
|
|
chapter 1 打開人工智慧之門
1-1 談談AlphaGo
1-2 人工智慧名詞的由來
1-3 人工智慧所需具備的能力
1-4 人工智慧的趨勢
1-5 人工智慧並非獨立存在
1-6 AI 的學習方法
1-7 實作介紹：Google Colaboratory
chapter 2 數據蒐集與處理
2-1 BIG DATA與OPEN DATA
2-2 資料的類別
2-3 資料蒐集與清理
2-4 實際範例說明
2-5 實作介紹：標記（Label）工具
chapter 3 機器學習
3-1 機器學習的種類
3-2 機器學習的演算法
3-3 自動化機器學習
3-4 實作介紹：Kneron AI Dongle運算棒
chapter 4 深度學習
4-1 什麼是神經網路？
4-2 深度學習的經典 — CNN卷積網路
4-3 ConvNetJS
4-4 實作介紹：Kneron Academy 進階
chapter 5 物件辨識
5-1 工作分類與名詞解釋
5-2 要回答的問題
5-3 如何做物件偵測與分類判定
5-4 其他注意事項
chapter 6 終端裝置的人工智慧
6-1 什麼是終端AI？
6-2 AI加速棒
6-3 人機介面的互動
6-4 智慧門鎖
6-5 建構人臉辨識的演算法
6-6 隱私權的保護
6-7 神經網路處理器的傳輸
chapter 7 AI專案與加速棒應用
7-1 建構一個AI專案
7-2 多樣化的AI APP應用程式
7-3 人臉辨識實作—智慧門鎖應用的核心
7-4 多物件辨識實作—流量計算應用的核心
7-5 製作自定義分類模型
7-6 總結
