用Python學AI理論與程式實作(涵蓋Certiport ITS AI國際認證模擬試題)

第一章 人工智慧簡介
1.1 人工智慧簡介
1.2 人工智慧的數學基礎
1.3 建置開發環境
1.4 習題
補充：libiomp5md.dll相關問題

第二章 機器學習的Python基礎
2.1 Python語法練習
2.2 習題

第三章 知識發現
3.1 知識發現
3.2 關聯規則探勘
3.3 序列樣式探勘
3.4 聚類
3.5 習題

第四章 分類問題
4.1 分類問題的形式和目標
4.2 決策樹
4.3 支持向量機
4.4 KNN
4.5 神經網路
4.6 習題

第五章 強化學習
5.1 心理學與強化學習
5.2 Q-Learning與貝爾曼方程式
5.3 運用OpenAI遊戲模組實作Q-Learning 演算法
5.4 習題
補充：AlphaGo Movie

第六章 深度神經網路理論
6.1 全連接神經網路
6.2 模型的量化、修正與優化
6.3 習題
補充：損失函數、梯度優化

第七章 深度神經網路實作
7.1 運用torch.nn類別實作MNIST手寫數字辨識
7.2 運用Dropout函數減緩過擬合問題
7.3 習題

第八章 卷積神經網路理論
8.1 卷積運算
8.2 卷積與影像處理練習
8.3 卷積神經網路
8.4 習題
補充：卷積核與池化核的常用參數

第九章 卷積神經網路實作
9.1 運用CIFAR-10資料集實作CNN
9.2 神經網路的優化實作
9.3 習題

第十章 物件偵測理論
10.1 ResNet
10.2 RCNN
10.3 YOLO
10.4 習題

第十一章 物件偵測實作
11.1 YOLOv7自定義資料集物件偵測
11.2 習題
補充：使用labelImg軟體建構YOLO自定義資料集

第十二章 自然語言處理
12.1 自然語言與機器學習
12.2 斷詞和關鍵字查找
12.3 詞向量
12.4 習題

第十三章 循環神經網路
13.1 RNN
13.2 LSTM
13.3 Transformer與ChatGPT
13.4 習題

第十四章 生成對抗網路
14.1 生成對抗網路
14.2 各類生成對抗網路
14.3 運用DCGAN實現字型風格創作
14.4 習題

附錄A ITS AI國際認證模擬試題