AI 基本知識

AI 所需知識不少，以下列出較常會碰到的事項之要點。

◆ 機器學習

　機器學習的要點，在你給電腦程式一組資料，它能夠自動依此來調整內部參數，
　使其能夠在接觸新數據時回答較符合人類期望的問題（通常是所謂的「正確答案
　」）。

　而其在取得操作者給予「與過去相比是較正確回答」的肯定句後，依此邏輯自行
　去修改原始參數，使之後各類應對行為「符合人類期望值」之誤差逐漸減少。

　也有某些狀況，是人類允許其答案不必符合人類期望值，這類通常是人類本身也
　無法預測的領域。是否為此類訴求，要視此AI 計畫的原始設定。

AI 學習地圖

國網中心之AI 學習地圖

AI 概略知識課程

一般概略知識的AI授課課程表：

週別	主題課程	內容大綱
1	AI課程簡介
2	資料分析與統計學	1. 敘述性統計與機率分佈 2. 參數估計與假設檢定 3. 探索性資料分析與資料視覺化
3	手把手資料分析實務
4	機器學習與演算法概論	1. 機器學習概論 2. 非監督式學習方法 3. 監督式學習方法 4. 學習理論、泛化與特徵重要性
5	手把手機器學習實務
6	深度學習入門	1. 深度學習簡介 2. 深度學習實務技巧與前瞻技術 3. 對抗式學習入門 4. 強化學習入門
7	電腦視覺	1. CNN 原理簡介 2. 代表性 CNN 模型 3. CNN 於電腦視覺之應用與實際案例
8	文字探勘與自然語言處理	1. 文字能挖出什麼有價值的資訊 2. 如何進行文字探勘 3. 文字探勘與自然語言處理的實務應用
9	語音與音樂訊號處理
10	手把手深度學習實務
11	推薦系統與聊天機器人	1. 關聯式推薦 (association rule) 2. 內容推薦 (content-based recommendation) 3. 協同過濾推薦 (collaborative filtering) 4. 深廣學習 (wide & deep learning) 推薦系統 5. 傳統聊天機器人 vs. 深度聊天機器人
12	社群媒體與社交網路分析	1. 社群分析可以為組織帶來什麼好處? 2. 社群數據分析分享
13	人工智慧的金融應用
14	人工智慧開發環境建置
15	1. 深度學習在實作上的各種挑戰與困難 2. 從今天起打造第一支人工智慧團隊 3. 在引入 AI 之前，企業必須知道的資料分析與機器學習實務
16	成果驗收