CH1 人工智慧基本介紹

1-1 何謂人工智慧

1-2 人工智慧、機器學習及深度學習

1-3 人工智慧對人類社會的影響



CH2 環境與資料科學套件介紹

2-1 Google Colab 環境介紹

2-2 Numpy 介紹

2-3 Pandas 介紹

2-4 Pytorch 介紹

2-5 Matplotlib 介紹



CH3 機器學習與深度學習基礎

3-1 機器學習基礎

3-2 深度學習基礎



CH4 卷積神經網路

4-1 類神經網路

4-2 卷積神經網路

4-3 轉置卷積

4-4 其他卷積方法

4-5 卷積神經網路於Pytorch 之實現



CH5 常用深度學習訓練技巧

5-1 標準化

5-2 正則化

5-3 遷移學習及預訓練模型

5-4 交叉驗證

5-5 集成學習

5-6 平行訓練

5-7 深度學習應用於影像處理之技巧



CH6 深度學習架構介紹

6-1 LeNet

6-2 VGGNet

6-3 U-Net

6-4 Residual Network(ResNet)

6-5 InceptionNet(GoogLeNet)

6-6 DenseNet

6-7 Fully Convolutional Networks (FCNs)

6-8 MobileNet V1

6-9 EfficientNet



CH7 進階深度學習技術介紹

7-1 循環神經網路

7-2 長短記憶模型

7-3 門控循環單元

7-4 Attention is all you need

7-5 其他的注意力(Attention)機制

7-6 Vision Transformer(ViT)

7-7 Swin Transformer

7-8 生成對抗式網路(GAN)

7-9 Conditional Generative Adversarial Network（cGAN）

7-10 Pix2pix

7-11 循環生成對抗式網路



CH8 基於影像的深度學習案例

8-1 影像基本原理介紹

8-2 基本影像處理

8-3 邊緣抽取、影像增強與校正

8-4 影像辨識與分類

8-5 深度學習在影像處理的應用

8-6 影像修復與辨識實驗之程式碼介紹