用於迴歸的人工神經網路

建立 ANN 迴歸模型來預測聯合循環發電廠的電能輸出

從這 1 小時的課程，你會學到

如何用 Python 實現人工神經網路
如何進行迴歸
如何使用谷歌 Colab

要求

深度學習基礎知識

課程說明

你準備好透過學習如何使用 Python 從頭開始建立和實現人工神經網路來展示你的深度學習技能了嗎？

透過實作課程測試你的技能是學習資料科學的最佳、最有趣的方式之一…現在我們免費提供你這個機會。

在這個免費課程中，人工智慧專家 Hadelin de Ponteves 將指導你完成一個案例研究，向你展示如何建立 ANN 回歸模型來預測聯合循環發電廠的電能輸出。

目標是建立一個資料模型，使用可用的每小時平均環境變數來預測工廠的每小時淨電能輸出 (EP)。

與Hadelin 一起動手解決這一複雜的、現實世界的深度學習挑戰，該挑戰涵蓋從資料預處理到建構和訓練ANN 的所有內容，同時利用機器學習程式庫、Tensorflow 2.0 和 Google Colab（基於瀏覽器的免費工具）完全在雲端運作的筆記本環境。這是一個改變遊戲規則的介面，將增強你的機器學習工具包。

查看註冊時為你準備的內容：

第 1 部分 : 資料處理

輸入資料集
將資料集分為訓練集( training set )和測試集( test set )

第 2 部分 : 建ㄧ個 ANN

起始 ANN
添加輸入層和第一隱欌層
添加輸出層
編譯 ANN

第 3 部分: 訓練 ANN

在訓練集上訓練 ANN 模型
預測測試集的結果

有關聯合循環發電廠的更多資訊

聯合循環發電廠是一種將燃氣渦輪機 (GT) 和蒸汽渦輪機 (ST) 組合使用的發電廠，使用相同的燃料產生比單循環發電廠更多的電力。

燃氣渦輪機壓縮空氣並將其與加熱到非常高溫度的燃料混合。熱的空氣燃料混合物穿過葉片，使它們旋轉。快速旋轉的燃氣渦輪機驅動發電機發電。熱回收蒸汽發生器 (HSRG) 系統利用透過燃氣渦輪機排氣煙囪逸出的廢熱來產生旋轉蒸汽渦輪機的蒸汽。此蒸汽渦輪機驅動發電機產生額外的電力。假設 CCCP 的發電量比單一發電廠多 50%。

目標受眾

任何對機器學習和深度學習感興趣的人

講師簡介

Hadelin de Ponteves 充滿熱情的AI講師

Hadelin是Udemy的頂尖講師之一，也是人工智慧教育領域的知名領導者。他已為全球超過250萬名學員授課，並經常受邀在各大行業盛會上發表演講。 Hadelin創建了30多個熱門課程，涵蓋人工智慧、機器學習、深度學習、區塊鏈和雲端運算等主題，幫助全球學員掌握尖端技術。

除了與Udemy合作之外，Hadelin也是SuperDataScience的共同創辦人。他熱衷於教育事業，致力於將複雜的技術變得簡單易懂、實用便捷，並讓所有人都能輕鬆掌握。

此外，他還是一位演員，曾出演過七部電影，並擔任過兩部電影（一部印度電影，一部法國電影）的製片人。

SuperDataScience Team 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 Team

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。