涵蓋Certiport ITS AI 人工智慧核心能力國際認證範圍，並收錄相關模擬試題。
．本書適合想要學習人工智慧知識與技能的讀者，章節安排由淺入深，以循序漸進的方式介紹人工智慧的核心概念。
．特別強調實踐中學習的重要性，除了介紹AI理論之外，還提供相對應的程式實作，有效提升學習樂趣並降低學習障礙，適合教師進行教學或讀者自主學習。
．介紹了人工智慧的數學基礎，以簡潔扼要的方式解釋在人工智慧理論中，所需應用的數學概念。
．為了兼顧不同Python程式設計能力的讀者，設計了機器學習的Python基礎章節，幫助較不熟悉Python語法的讀者能夠上手。
．本書特別納入符合產業趨勢的「Certiport ITS 資訊科技專家」系列認證考科－ITS Artificial Intelligence 人工智慧核心能力國際認證考試重點，並於書末納入認證模擬試題，讓您掌握考試關鍵，順利考取證照。
．本書適合想要學習人工智慧知識與技能的讀者，章節安排由淺入深，以循序漸進的方式介紹人工智慧的核心概念。
．特別強調實踐中學習的重要性，除了介紹AI理論之外，還提供相對應的程式實作，有效提升學習樂趣並降低學習障礙，適合教師進行教學或讀者自主學習。
．介紹了人工智慧的數學基礎，以簡潔扼要的方式解釋在人工智慧理論中，所需應用的數學概念。
．為了兼顧不同Python程式設計能力的讀者，設計了機器學習的Python基礎章節，幫助較不熟悉Python語法的讀者能夠上手。
．本書特別納入符合產業趨勢的「Certiport ITS 資訊科技專家」系列認證考科－ITS Artificial Intelligence 人工智慧核心能力國際認證考試重點，並於書末納入認證模擬試題，讓您掌握考試關鍵，順利考取證照。
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asnd 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askw 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
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asnd 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askw 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
李啟龍 博士(Jason哥)
國立臺灣科技大學資訊管理研究所博士 / 財團法人創新智庫生成式AI創新學院院長 / 社團法人中華多元智能教育協會副理事長
特殊榮譽：
．連續7年微軟全球最有價值專家MVP
．台灣學術網路 TANET 傑出貢獻人員
．APEC亞太經合會 青年科學節國家代表
．國立臺灣科技大學資訊管理系傑出校友
．資訊月十大傑出資訊人才獎
．旺宏科學獎 特殊貢獻指導老師獎
．ZDNet名家專欄作家
．LiveABC互動英文雜誌科技教育管理TEM專欄作家
．多智協STEAMagazine專欄作家
．已著有62本資訊科技相關書籍
陳威達
作為踏入AI領域不滿五年的大學生，深刻地體會到這段旅程的充實與挑戰。如果自身的經驗能幫助讀者在享受學習的樂趣的同時也少走些彎路，對我而言將是莫大的榮幸。
國立臺灣科技大學資訊管理研究所博士 / 財團法人創新智庫生成式AI創新學院院長 / 社團法人中華多元智能教育協會副理事長
特殊榮譽：
．連續7年微軟全球最有價值專家MVP
．台灣學術網路 TANET 傑出貢獻人員
．APEC亞太經合會 青年科學節國家代表
．國立臺灣科技大學資訊管理系傑出校友
．資訊月十大傑出資訊人才獎
．旺宏科學獎 特殊貢獻指導老師獎
．ZDNet名家專欄作家
．LiveABC互動英文雜誌科技教育管理TEM專欄作家
．多智協STEAMagazine專欄作家
．已著有62本資訊科技相關書籍
陳威達
作為踏入AI領域不滿五年的大學生，深刻地體會到這段旅程的充實與挑戰。如果自身的經驗能幫助讀者在享受學習的樂趣的同時也少走些彎路，對我而言將是莫大的榮幸。
Details
Review
0 ratings
1 stars
0%
2 stars
0%
3 stars
0%
4 stars
0%
5 stars
0%
Write a review
Product review was disabled
