機器學習實踐訓練｜8 個真實專案

透過建構 8 個實用專案，從零基礎到精通深度學習/機器學習、人工神經網絡

從這 14 小時的課程，你會學到

深度學習的實際應用
機器學習的實際應用
如何使用人工神經網路預測汽車銷量
如何利用深度神經網路進行影像分類
如何利用 LE-NET 深度網路對交通標誌進行分類
如何將遷移學習( TRANSFER LEARNING )應用到 CNN 影像分類
如何利用預言者時間序列( PROPHET TIME SERIES )預測犯罪
如何利用預言者時間序列( PROPHET TIME SERIES )預測市場狀況
如何開發自然語言處理模型對評論進行分析
如何應用自然語言處理技術開發垃圾郵件處理器
如何使用以使用者為基礎的協同過濾器( USER-BASED COLLABORATIVE FILTERING )開發推薦系統

要求

深度學習和機器學習基礎( 請參考深度學習 A-Z™：人工神經網路實踐 ( 附有簡中字幕 ) 和機器學習 A-Z: 使用 Python & R 實踐資料科學 )
具有網際網路連線的個人電腦

課程說明

“深度學習和機器學習是目前最熱門的技術領域之一！這個領域充滿了機會和職業前景。機器 / 深度學習技術目前廣泛應用於銀行、醫療保健、運輸和技術等領域。

機器學習是研究教會電腦從經驗中學習的演算法。透過經驗(即更多訓練資料) ，電腦可不斷改善其表現。深度學習是利用多層人工神經網路的機器學習的一個子集。深度學習受到人腦的啟發，模仿生物神經元的操作。透過將多個人工神經元以分層的方式連線起來，形成了一個層次化的深層人工神經網路。網路中新增的隱藏層越多，網路就越“深” ，可以建立的非線性關係就越複雜。深度學習廣泛應用於自動駕駛汽車，臉部和語音識別，以及醫療保健應用。

本課程目的在以實用、簡單及有趣的方式，為學生提供深度及機器學習技術的關鍵方面知識。本課程為學生提供使用真實世界資料集訓練深度和機器學習模型的實際動手做經驗。本課程以實用的方式介紹幾種技術，專案包括但不限於:

(1) 訓練深度學習技術執行影像分類任務。

(2)利用最先進的 Facebook 預言者時間系列( Prophet Time series )開發預測模型，以預測未來事件，例如未來商品價格。

(3) 開發自然語言處理模型，以分析客戶評論及識別垃圾訊息。

(4)開發推薦系統，如亞馬遜和 Netflix 的電影推薦系統。

本課程主要針對想要獲得深度和機器學習模型基本理解的學生。建議具備基礎的程式設計知識。然而這些主題將在早期課程講座中被廣泛地討論; 因此，這門課程沒有先決條件，對任何具有基本程式設計知識的學生開放。參加本課程的學生將掌握深度和機器學習模型，並能直接應用這些技能來解決現實世界中具有挑戰性的問題。”

目標受眾

想應用他們的知識在真實世界案例研究的資料科學家
希望得到更多實踐指導的深度學習從業者
機器學習愛好者希望在自己的投資組合中新增更多的專案

講師簡介

Prof. Ryan Ahmed | 450K+ 學生| 最暢銷教授 | 250K+ YouTube 人工智慧、LLM、Agentic AI、雲端運算、資料科學和 CoPilot 課程

大家好，歡迎！

我是 Ryan Ahmed 博士。我是教授、教育家，也是 Stemplicity School 的創辦人。在 Stemplicity School，我們致力於讓人工智慧和資料科學變得簡單易懂、實用、方便，人人都能輕鬆掌握。我熱衷於創造引人入勝、注重實踐的學習體驗，幫助人們在這個瞬息萬變的世界中蓬勃發展。

如果您剛踏入科技領域，或希望提升您在 AI、資料科學或雲端運算方面的技能，我的目標是讓這些複雜的主題變得平易近人、貼近生活、易於應用。在過去的十年裡，我已為來自160個國家的超過45萬名學員授課，並在我的YouTube頻道「Prof. Ryan Ahmed」上建立了一個擁有超過25萬訂閱者的全球社群。我在那裡分享教程和工具，幫助人們發展職業生涯。

我也曾為匯豐銀行、加拿大皇家銀行、Discover銀行和巴克萊銀行等公司在美國、加拿大和英國進行人工智慧企業培訓。在職業生涯早期，我曾在通用汽車、三星和Stellantis擔任領導職務，致力於電動車和自動駕駛汽車技術的研究。

我擁有麥克馬斯特大學的碩士、博士和工商管理碩士學位。此外，我也是註冊專業工程師和史丹佛大學認證的專案經理，在人工智慧和電池系統領域發表過50餘篇研究論文。但拋開這些頭銜，對我而言最重要的是看到他人取得成功。

如果您充滿好奇心、積極進取，並且渴望學習，我願助您邁出下一步。

SuperDataScience 團隊 幫助資料科學家成功的團隊

Hi, 你好！

我們是 SuperDataScience 團隊。你將在 Kirill Eremenko 教授的資料科學課程中看到我們 – 我們在這裡幫助你解決任何問題，並確保你在課程的旅程中總是一舤風順！

聯繫最好的方法是在你正在學習的課程的問答中討論。在大多數情況下，我們會在24小時內回覆。

我們熱衷於幫助你享受課程！

課堂中見囉!

誠摯地，
SuperDataScience 真正的人

Ligency 建構現實世界的 AI 產品

加入 Ligency，與超過 340 萬名學員一起學習。

我們擁有 4.6 分的講師評分、近 100 萬條評價，並提供 12 種語言的 121 門課程，幫助工程師、領導者和團隊掌握驅動當今人工智慧革命的技能，並交付實際成果。

我們從現實世界的起點出發：大型語言模型( LLM )及其驅動的產品。您將學習AI 和生成式人工智慧 (gen AI) 的基礎知識，然後交付生產級系統 – 聊天機器人、Co-Pilot、自動化和 AI 代理。我們將深入探討大型語言模型工程：檢索（RAG）、評估、可觀測性、安全性以及團隊大規模運行代理系統所使用的模式。

我們的技術堆疊實用且與時俱進。您將使用 Python、LangChain 和 LangGraph 快速建立原型；探索來自 OpenAI、Gemini 和 Claude（包括 Claude Code）的模型；使用 Hugging Face 和 Ollama 進行微調和部署；並在 AWS 上將其部署到生產環境 – 從 Bedrock 到事件驅動服務。需要自動化？我們利用 n8n、簡潔的介面和 CI/CD 將其完美整合。在此過程中，您將掌握在高負載下依然穩健的響應式工程技術。

未來發展方向：交付型人才的職位。熱愛建構的人才可以選擇 AI 工程師和 LLM 工程師；追求規模化可靠性的人才可以選擇平台和 MLOps 方向；致力於將智能體 AI 從簡報轉化為實際業務成果的人才可以選擇產品和領導力方向。貫穿始終的核心理念是：快速學習、快速建立、衡量一切、迭代優化。

從我們最暢銷的課程開始：

LLM 工程：精通 AI、大型語言模型和 Agents – 從最初的響應式設計到生產模式（RAG、Agents、評估、LangChain/LangGraph）的實踐路徑。

完整的 Agentic AI 工程課程 – 設計、編排和部署強大的 AI Agents 和 Agentic 工作流程。

生產環境中的 AI : 大規模的 Gen AI 和 Agenttic AI – AWS 上建置管道、監控和企業級部署的擴展模式。

生成式 AI 高階主管簡報：領導者的精通指南－生成式 AI 策略、治理與投資報酬率的簡明行動手冊。

如果您希望快速提陞技能並交付實際產品，歡迎加入我們。學習概念，體驗工具，建立產品 – 然後將其推向用戶。這就是 Ligency 的行事方式。