人工智能课程设计

人工智能课程设计本课程分成二部分(1).实作人工智慧的程序设计python(2).生成式AI的进阶应用ChatGPT，Gemini，Bing，Copilot，PerplexityAI程序设计，AI绘图，AI数据分析，AI搜寻引擎，自动化简报，档案分析，AI翻译，自建GPTs个人小助手本课程分成二部分(2).生成式AI的进阶应用ChatGPT会教到4o版本这是付费版每个月20美金本课程分成二部分(1).先学基础数据截取，数据分析，数据视觉化的技术（pandas模块）(2).再学回归/分类分析的技术：机器学习（numpy，sklearn模块）(3).再学人工智慧的技术：深度学习（tensorflow-keras模块）学习pythonAI程序的次第同学们学习人工智能常常会遇到的问题1.人工智能概论2.python程序设计3.人工智能与深度学习同学们大概会学到以下AI相关课程1.在『人工智能概论』课程里面，大概会学到：人工智能的历史（ppt/影片）人工智能的应用现况（ppt/影片）人工智能的各种技术（理论）人工智能的各种应用软件/网站/APP『人工智能概论』课程3.在『人工智能与深度学习』课程里面，大概会学到：chp1.keras多层感知器(MLP)chp2.keras多层感知器(MLP)的各种范例chp3.keras卷积神经网络(CNN)chp4.keras卷积神经网络(CNN)的各种范例chp5.keras循环神经网络(RNN)，长短期记忆神经网络(LSTM)chp6.生成对抗网络(GAN)chp7.生成式AI，GenerativeAI『人工智能与深度学习』课程3.在『人工智能与深度学习』课程，上课马上就会遇到的程序如下3.在『人工智能与深度学习』课程，上课马上就会遇到的程序如下这些程序码都是没有学过的指令跟大一学的『python程序设计』，关联度不大程序码随着每一题，越来越难所以有些同学，就慢慢地，听不懂了所以，是不是少学了什么先导课程？1.人工智能概论2.python程序设计？？？3.人工智能与深度学习学习人工智能常常会遇到的问题对少了一些先导课程只有Python程序设计是不够的学习AI的步骤：1.资料处理

初级数据分析2.机器学习3.深度学习所以，缺少了2个先导课程1.资料处理：初级数据分析Pandas模块：数据分析2.机器学习Numpy模块，Sklearn模块各种模型：KNN，逻辑回归，决策树，随机森林法，支持矢量机算法SVM，K-means分群，主成份分析PCA3.深度学习所以，缺少了2个先导课程1.资料处理：初级数据分析Pandas模块：数据分析2.机器学习Numpy模块，Sklearn模块各种模型：KNN，逻辑回归，决策树，随机森林法，支持矢量机算法SVM，K-means分群，主成份分析PCA3.深度学习学了这2个先导课程，就会理解很多『深度学习』程序码的写法缘由所以，本课程将帮大家稍微补足这2个先导课程但要教导的东西太多所以不会全部时间拿来补充这2个先导课程正确学习人工智能的步骤1.很多人工智能的教学，是直接教『深度学习，类神经网络，影像辨识』2但是没有学过『python的AI基础班』：pandas模块做基础数据读取分析，numpy数值矩阵处理，matplotlib绘图模块，机器学习sklearn模块3.所以『很多不懂AI的惯例写法』其实有些AI写法来来自于『pandas，numpy，matplotlib，sklearn』这些基础不懂，就直接学高阶班，是容易根基不稳的正确学习人工智能的步骤1.稳当的学习人工智能步骤：先学pandas模块做基础数据读取分析，matplotlib绘图模块，numpy数值矩阵处理，再学机器学习sklearn模块再学习『深度学习』类神经网络，与进阶应用正确学习人工智能的步骤『商管』的人工智能在应用课程与『理工科系』的人工智能的差别1.偏重『深度学习』，轻『机器学习』2.范例多是『影像辨识，语音辨识，生成对抗网络，生成AI』3.偏重数学公式『理工科系』的人工智能1.偏重『机器学习』，轻『深度学习』2.范例多是『商管相关的资料集』3.偏重『回归分析预测，分类分析预测』『商管』的人工智能评分方式本学期的评分方式1.上课分数：40%上课实作范例加分（使用Zuvio来加分）2.期中考