Pemrograman PHP : Pemula sampai Mahir
Programmer Zaman Now
5.0 (1,874)·34h 18m · 323 lectures
$3.00$12–$199up to −98%
Loading course
AI 人工智能：深度學習（Deep Learning）從原理到實作
35小時完整課程，帶你系統性理解深度學習核心概念與實務應用，並深入掌握 CNN、ResNet、LSTM、Transformer、BERT、GPT、GAN、VAE 與 Diffusion 等主流模型架構與建模方法，結合理論與實作！
5.017 reviews260 learners
- All Levels
- 35h 8m video
- 115 lectures
- Chinese (Traditional)
- Captions
- Updated 2026
Taught by Wilson Ren
- 35h 8m of on-demand video
- 115 lectures across 10 sections
- One-off payment — no subscription
- Lifetime access on web and mobile
- Closed captions (Chinese (Traditional))
Curriculum
10 sections115 lectures35h 8m total
- 課程資源下載0:00
- 課程大綱介紹11:09
- 課程準備14:22
- 深度學習發展歷史15:39
- Google Colab 注意事項12:00
- Single Layer Perceptron17:50
- Multi-Layer Perceptron10:43
- ReLU 激活函數19:28
- Function Approximator16:27
- Universal Approximation Theorem35:44
- 深度網路的使用原因13:20
- Tensorflow 與 GPU8:23
- Tensorflow 程式碼介紹23:04
- Tensorflow 微分計算15:03
- Tensorflow Subclassing41:58
- 手寫數字資料集範例39:28
- Lab 1 - Nonlinearity13:06
- 反向傳播演算法7:00
- 梯度下降演算法23:19
- 反向傳播公式證明21:26
- 手動計算範例8:56
- 反向傳播四大公式10:06
- Lab 2 - Gradient Descent Lab23:09
- 模型訓練介紹5:12
- 損失函數與輸出層激活函數36:34
- 加州房價資料集分析7:58
- 加州房價預測範例14:45
- 垃圾郵件分類範例33:16
- 彩色圖片分類範例17:19
- 醫學論文標籤範例29:44
- 梯度消失問題21:25
- He Initialization10:40
- 梯度爆炸問題6:09
- Leaky ReLU, SiLU, GeLU13:24
- Learning Rate Schedulers18:53
- Stochastic Gradient Descent11:54
- Momentum 優化器7:55
- RMSProp 優化器8:46
- Adam 優化器9:59
- Overfitting, Underfitting14:26
- L1, L2 正則化12:54
- Implicit Regularization12:07
- 卷積神經網路14:44
- 卷積運算規則10:47
- Kernel Size, Stride, Padding, Dilation19:34
- 卷積層的分工差異與效果12:54
- 池化層 Pooling Layer12:27
- CNN 整體架構25:47
- 卷積層的訓練方法13:58
- LeNet, AlexNet 與 VGG 介紹15:30
- Inductive Bias23:18
- CNN Cifar 10 示範程式碼23:03
- 正則化程式碼範例20:14
- 遷移學習16:05
- 貓狗分類任務的遷移學習程式碼43:42
- 物件偵測與 YOLO 模型11:23
- Functional API44:28
- UNet 架構講解21:31
- UNet 實作程式碼41:37
- Lab 4 車牌辨識系統31:27
- 破碎梯度現象11:50
- ResNet 架構講解10:47
- ResNet V2 架構設計與梯度爆炸問題12:58
- Shortcut Connection 相關應用8:01
- ResNet 實作程式碼50:52
- ResNet Embedding 無監督學習15:42
- Grad Cam 可視化技術實作35:51
- 風格轉移 Style Transfer 講解21:11
- Lab 5 Style Transfer 程式碼實作1:04:53
About this course
你是否曾經好奇： ChatGPT 是如何理解與產生文字的？ 影像與影片生成 AI 是如何「創造」內容的？ 為什麼近年人工智慧能力會突然大幅躍升？ 答案都指向同一項核心技術：深度學習（Deep Learning）。 這堂「AI 人工智能：深度學習（Deep Learning）從原理到實作」課程，將帶你從零開始，一步步建立深度學習的完整知識體系，涵蓋理論基礎、數學公式、神經網路架構，以及實際開發能力。不同於只教你使用現成函式庫的課程，此課程更重視「理解背後原理」，讓你不只知道怎麼做，也能真正明白為什麼這樣做，進而掌握現代 AI 的核心運作方式。這堂課程中你將會學到： 深度學習基礎與數學核心 深度學習的發展歷史與應用全景 單層感知器（SLP）、多層感知器（MLP）、神經網路基本原理 Universal Approximation Theorem 的直覺理解 梯度下降（Gradient Descent）與反向傳播（Backpropagation）完整推導與手算 常見損失函數（Loss Functions）與數學意義 Sigmoid / ReLU / Softmax / GELU 等激活函數比較 Moment…
Before you start
- 對 Python 語法有基本的認識
Who it’s for
- 對 Python 有基本認識，希望繼續學習其應用領域的人
- 對資料視覺化、資料處理、機器學習模型等主題有興趣的學習者
- 目前正在主修資訊工程、統計、數學、電機、商管等相關科系，想要學習機器學習理論與應用的人
- 曾學過機器學習、深度學習，但希望可以更鞏固知識或者更深入理解者
- 對「資料科學」、「資料探勘」、「大數據」有興趣者
- 對「人工智能」技術有興趣，希望可以開始學習者
- 對「機器學習」的基本原理與應用場景有基本認識，希望了解深度學習者
Related
More in Development
NodeJs, Typescript, TDD, DDD, Clean Architecture e SOLID
Rodrigo Manguinho
5.0 (1,699)·47h 39m · 133 lecturesNot available yetDialogflow Completo-Domine a Criação de Assistentes Virtuais
Universidade Global
5.0 (1,579)·11h 51m · 101 lectures$3.00$12–$199up to −98%Полный Курс Python 3: от Новичка до Мастера (Питон, Пайтон)
Jose Portilla
5.0 (899)·14h 37m · 109 lectures$3.00$12–$199up to −98%
$3.00$12–$199