資策會•數位教育研究所•科技化服務(ITeS)中心
   
       
 
 
         
   
★ 成為 全方位的人工智慧專家!
人工智慧TensorFlow 應用設計

2018/12/4開課,11/27前報名享特價!

◆ 課程緣起

人類的行為總是在盤算,找到最佳的決策後就開始行動,但是每當遇到困難挫折時,就會修正自己的決策,並且之後再遇到類似的狀況時就會記取教訓,避免重蹈覆轍,就這樣從零開始學起直到擁有豐富的經驗後可順利的達到目標。

強化學習(Reinforcement Learning)的技術不但涵蓋以上人類的決策要素,並且也實現了人類學習的摸索過程;其中包括最佳策略(Policy)的衡量、利弊得失(Reward)的分析、記取教訓、累積經驗、沙盤推演等行為要素。因此強化學習的技術可以讓我們所設計的產品更具有人工智慧的特質。近年來,強化學習結合使用深度學習(Deep Learning)來加強最佳決策的推演,使得深度強化學習(Deep Reinforcement Learning)成為目前開發人工智慧產品不可或缺的關鍵技術。

本課程細說強化學習求解最佳策略(Policy)及酬勞(Reward)的方法,結合深度學習技術,以AlphaGo設計理念、問答學習系統、汽車避撞系統、自駕車強化學習、Game Player等實例說明其原理及應用方法,使學員能夠快速上手深度強化學習的應用。

 ◆ 課程目標

本課程的目標在奠定學員學習當代深度強化學習技術的理論基礎與應用。透過學習許多目前具有代表性的深度強化學習案例,可累積學員對於各種深度強化學習設計方法的理解,進而應用到許多人工智慧核心系統的設計,達成具有線上學習及策略解析功能的智慧型產品設計。

 ◆ 適合對象
  • 高階軟體開發工程師

  • 電子/電機/資訊相關工程師

  • 大數據相關研發人員或資料科學家

  • 統計/數值分析研究人員

  • 財務分析工程師

  • 醫學工程研究人員

  • 生物科技研究人員

須具備Python以及Tensorflow基礎能力,建議可先修習資策會 ”Python機器學習” 和 ”人工智慧Tensorflow應用設計”

 ◆ 課程特色
  • 堅強師資陣容:授課老師具備完整知識及豐富的業界經驗。課程中將以著名的案例來說明深度強化學習原理及其應用於人工智慧的方法,讓學員以最快的速度奠定深度強化學習與人工智慧的設計基礎。
  • 課程內容彙整論文及書籍精華:講義內容豐富,不但綜整許多著名書籍的精華內容,並且萃取多篇具有代表性的學術及專業論文,使學員能夠有效率的吸收到最新最流行的人工智慧技術。
  • 快速的重點講解:課程中將結合講師講授、經驗分享、實務案例分析、工具軟體應用示範,以增進學習的成效。同時,提供豐富的補充教材,包括設計時參考使用的程式源碼及實驗資料取得方式,讓學員能夠盡快上手,開始設計屬於自己的專案計畫,加入人工智慧的設計行列。
 ◆ 課程大綱
單元
主題
內容大綱
1

 

深度強化學習簡介

(Deep Reinforcement Learning)

n   人工智慧環境(Environment)與智慧代理人(Agent)

n   策略與規劃(Policy and Planning)

n   價值函數(Value Function)

n   運作模型(Model)

n   酬勞與懲罰(Reward)

n   最優價值函數(Optimal Value Function)

n   馬可夫決策問題(MDP)
2

圖表化及逼近式

解決方案平台介紹

(Tabular and Approximation)

 

 

n   有限馬可夫決策處理(FMDP)

n   動態規劃(Dynamic Programming)

n   蒙地卡羅方法(Monte Carlo Method)

n   時間差分學習(Time-Difference Learning)

n   Q學習(Q-Learning)

n   策略梯度法(Policy Gradient Method)
3
類神經深度強化學習

n   深度Q學習網路(Deep Q-Learning Network)

n   TensorFlow DQN

n   OpenAI Gym

n   Actor Critic

n   Deep Deterministic Policy Gradients(DDPG)

n   Asynchronous Advantage Actor-Critic (A3C)

n   Distributed Proximal Policy Optimization (DPPO)
4

人工智慧深度強化學習

個案研究 

n   AlphaGo設計理念與方法

n   問答系統強化學習

n   汽車避撞系統模擬

n   自駕車強化學習

n   Q-learning Gridworld Player

n   Atari Ping Pong Player

 

 

* 課程執行單位保留調整課程內容與講師之權利

 ◆ 課程日期

2018年12/4(二)、12/5(三),每日9:30~12:30、13:30~16:30 上課,計二天、12小時。

 ◆ 上課地點

資訊工業策進會 數位教育研究所, 台北市信義路三段153號10樓。
上課地點位於捷運大安站1號出口左轉(復興南路與信義路交叉口附近)
* 上課地點與教室之確認,以上課通知函為主。

 ◆ 報名方式
本課程採線上報名,請按右方【我要報名】進入報名系統。

按此連至線上報名網址
下載DM

課程諮詢:(02)6631-6539 課程經理 張先生,或E-mail:alanchang@iii.org.tw
報名確認:(02)6631-6535 郭小姐,或E-mail:florakuo@iii.org.tw
 ◆ 課程費用與繳費
1. 本課程費用 NT$12,000元(含稅)費用含課程、講義及午餐費。
2. 凡於2018年11月27日前,完成報名並填寫繳費資料者,可享優惠價 NT$8,400 元(含稅)。
3. 團報優惠:兩人團報可打95折、四人團報可打9折優惠。
˙團報優惠與早鳥優惠可一併使用。
˙課程報名系統每個帳號僅提供一位學員報名,若為團報學員,每位皆必須完成線上報名,並於其他金額說明欄位註記「與XXX一起團報」,以利事後核對名單。
4. 請以信用卡或即期支票支付—
  ˙以信用卡支付者:請務必將正確信用卡資料填寫於繳費方式資料表。
˙以即期支票支付者:抬頭為「財團法人資訊工業策進會」, 劃線並禁止背書轉讓,以掛號寄至台北市106復興南路一段390號15樓,邱小姐 收。
5. 課程若未如期開班,費用將全額退還。
◆ 報名確認與取消
1. 已完成報名與繳費之學員,課程主辦單位將於開課三天前以E-mail方式寄發上課通知函;若課程因故取消或延期,亦將以E-mail方式通知,如未收到任何通知,敬請來電確認。
2. 已完成繳費之學員如欲取消報名,請於實際上課日前以書面通知業務承辦人,主辦單位將退還90% 課程費用。
3. 學員於培訓期間如因個人因素無法繼續參與課程,將依課程退費規定辦理之︰上課未逾總時數三分之一,欲辦理退費,需先扣除原廠教材費用,再退還所有費用二分之一;上課逾總時數三分之一,則不退費。
4. 課程執行單位保留是否接受報名之權利。
5. 如遇不可抗拒之因素,課程主辦單位保留修訂課程日期及取消課程的權利。
 ◆ 餐點服務
本課程上課期間,每天都會提供午餐,學員不需自行準備或額外付費。
 ◆ 結業證書
依本會ISO品質系統之「教育訓練服務程序」規定,本課程學員缺課未超過總時數五分之一者,結業時由本會核發結業證書。
 ◆ 學習護照
本課程學習時數可登錄「公務人員終身學習護照」及「中小企業終身學習護照」,相關事宜按發照單位作業辦法辦理。
 ◆ 資策會 研發管理 課程架構圖
 
 ◆ 人工智慧 相關課程
 ◆ 人工智慧 相關 報導

 

   
         
     

資訊工業策進會 數位教育研究所    版權所有,禁止侵害,違者必究。
Copyright (c) 2015 III Digital Education Institute. All Rights Reserved