這篇文章會告訴你如何在從安裝python到學會AI的技術，一共30天的課程
- 該文章已被改寫成書籍『ChatGPT X Keras X PyTorch 全方位應用實踐指南：從零開始的 AI 程式設計養成之路』，有興趣的人歡迎選購
購買連結：前往購買(只有初版是軟精裝要買要快)
人工智慧技術因硬體進步的速度越來越快，使技術有了重大的變革，在日常生活中也開始看到人工智慧融入我們的生活，像是車牌辨識、垃圾訊息判別、與前幾年做火熱的alphago都是屬於人工智慧的一環，在這30天內我會將以實作的方式講解理論，使讀者能夠更容易的理解該如何使用所學習到的知識，藉由這種方式讓讀者擁有理論、實作能力與調整參數的能力。
- 【day1】python&函式庫 安裝與介紹
- 【day2】python基礎語法
- 【day3】來辨識圖像-深度神經網路(Deep Neural Network)
- 【day4】找到圖片的特徵-捲積神經網路(Convolutional neural network)
- 【day5】網路爬蟲與股票預測-長短期記憶模型(Long short-term memory)(上)
- 【day6】網路爬蟲與股票預測-長短期記憶模型(Long short-term memory)(下)
- 【day7】解析gz檔案 & 使用Pytorch做CIFAR10影像辨識 (上)
- 【day8】解析gz檔案 & 使用Pytorch做CIFAR10影像辨識 (下)
- 【day9】 讓電腦了解文字資料 & 使用Pytorch做IMDB影評分析
- 【day10】人工智慧、機器學習、深度學習究竟差異在哪裡?
- 【day11】集成式學習 & 使用xgboost過濾垃圾郵件
- 【day12】預訓練模型訓練 & 應用- 使用OpenCV製作人臉辨識點名系統 (上)
- 【day13】預訓練模型訓練 & 應用- 使用OpenCV製作人臉辨識點名系統 (下)
- 【day14】預測Hololive七期生的樣貌-生成式對抗網路(Generative Adversarial Network)(上)
- 【day15】預測Hololive七期生的樣貌-生成式對抗網路(Generative Adversarial Network)(下)
- 【day16】NLP的首選模型Transformer介紹
- 【day17】假消息辨識-BERT(Bidirectional Encoder Representations from Transformers)(上)
- 【day18】假消息辨識-BERT(Bidirectional Encoder Representations from Transformers)(下)
- 【day19】找到文章的重點-T5( Text-To-Text Transfer Transformer)(上)
- 【day20】找到文章的重點-T5( Text-To-Text Transfer Transformer)(下)
- 【day21】分群?分類?傻傻分不清楚-分群演算法介紹
- 【day22】對Google評論自動分群-HDBSCAN與Sentence-BERT(上)
- 【day23】對Google評論自動分群-HDBSCAN與Sentence-BERT(下)
- 【day24】加快程式的運算速度-學習常見的降維演算法
- 【day25】手刻最簡單的神經網路-單層感知器（Single Layer Perceptron）
- 【day26】手刻神經網路來解決XOR問題-多層感知器 (Multilayer perceptron) (上)
- 【day27】手刻神經網路來解決XOR問題-多層感知器 (Multilayer perceptron) (下)
- 【day28】不要再用準確率(Accuracy)評估分類模型了!-混淆矩陣(Confusion Matrix)與評估指標
- 【day29】蒐集資料與訓練模型時會發生的常見問題 & 解決方式
- 【day30】路途還很遙遠只有良好的基礎才能走向更遠的路-30天的技術總結與心得