AI 專家 Jerry Wu 組合｜TensorFlow 2 + 機器視覺 + 機器學習

組合優惠

🎁 機器學習 + 強化學習組合：$5,490

不知道如何將實際問題，步步拆解、導入 ML 流程並解決它嗎？

# 應用的第一步就卡關，你的痛我們了解

世界上的機器學習工程師分為兩種，一種是會解決產業問題的工程師，另一種是無法解決問題的工程師，當老闆指派你解決實際問題時，你有遇到以下情況嗎？

除了不知道應用外，你還有可能先碰到其他學習困境，別擔心！這堂課幫你想好了各種解決方案，一步步帶你破解！

狀況Ａ： 粗略懂機器學習的概念，但是不熟悉演算法

📍 解決方案 >> 每一個機器學習的程式碼將搭配一個實際的個案來做說明，讓你融會貫通 15 種演算法

狀況Ｂ： 知道模型探索很重要，但缺乏實作經驗

📍 解決方案 >> 帶你實際走過 6 大模型實作，理解機器學習的流程，再給你老師 10 年的經驗法則

市面上第一堂教你如何解決產業問題的 ML 課程

# 為什麼只有這堂課能教？其他堂課不行？

Jerry 老師現任 Google 機器學習開發專家(GDE)、歐奔頭殼股份有限公司創辦人兼執行長，超過 10 年的數據科學相關經驗，擔任各大企業的機器學習顧問與講師長達多年，如國立臺灣科技大學講師、外商數據科學顧問、汽車業資深數據科學顧問、DSP 智庫驅動共同創辦人兼技術長，亞太智能機器創辦人兼技術長，非常了解企業上使用機器學習遇到的難關。

不同於其他課程只是理解機器學習的概念，這堂課是老師將自己的「19 種產業心法」並結合「6 大模型工具」，並導入業界在使用的「機器學習商用流程」，讓你知道如何在一套標準下進行深度的模型探索，並回饋到產業應用上，無論你想要跨足哪一個產業，只要掌握此心法，都能將商業問題轉換成機器學習可以運算的問題，最終實現產業目標，成為一個真正的機器學習實踐者！

破解 19 種產業關鍵問題，成為獵頭愛不釋手的人才

#  讓你一次掌握，不同的產業需求所需使用的模型

課程中將分享 19 種產業想要達成不同的需求時，需要使用哪些模型進行分析，並告訴你要如何挑選哪些演算法進行運算，從中搭配老師的經驗分享，讓你能在過程中節省大量反覆嘗試又失敗的時間，先搶先公開 6 個案例，讓你知道能從這堂課獲得什麼！

⚠️ 遇到問題：隨著 IC 設計和製造的複雜性日益增加，該如何實現良率提升和成本節約呢？

⭕️ 解決方案：運用「迴歸模型」，進行品質預測，提高生產良率、降低不良品，穩定的半導體的供應品質

⚠️ 遇到問題：每年因延誤和取消航班的意外維修成本高達數百萬英鎊，該如何降低呢？

⭕️ 解決方案：透過「神經網路」，進行預測型維護，準確預測零件維修的最佳時機，提升飛機使用率、降低人工維護成本

⚠️ 遇到問題：最近的溫度、雨量、土壤濕度是否會影響到什麼時候要收割呢？

⭕️ 解決方案：透過基於「樹結構的分類方法」，進行農產品管理，對作物生長、周圍環境等資訊進行蒐集、分析、學習，提高生產效能與減少勞力成本

⚠️ 遇到問題：根據台灣交通部統計，每年造成人員受傷，或是超過 24 小時後死亡的交通事故均達數十萬件，且持續增長中，要怎麼避免意外發生？

⭕️ 解決方案：透過「卷積神經網路」，研發先進駕駛輔助系統(ADAS)，在意外發生當下，自動轉換為輔助駕駛，降低人為駕駛的意外發生機率

⚠️ 遇到問題：只能憑經驗去判斷，到底這個實驗的變數到底是什麼嗎？

⭕️ 解決方案：透過「強化學習」，進行材料組合控制實驗條件、參數，精準實驗的變動因素

⚠️ 遇到的問題：熱門景點那麼多，但營運成本就這麼多，該如何分配資源？

⭕️ 解決方案：透過「迴歸」的方法，預測區域性顧客流量，針對預測流量高的地區，規劃相對應的行銷策略，以最少成本下創造最高營收

範例搶先看：零售業、電信業、運輸業如何用機器學習提升公司收益

#  個性動態定價、顧客流失率預測、駕駛行為偵測，用什麼模型一次告訴你！

實作 6 大模型，讓你融會貫通演算法及應用方式

#  手把手帶你進行深度的模型探索，解決產業問題

從分類的方法建立一個可能罹患糖尿病的預測模型，了解糖尿病與基因之間的關係

從大量的汽車數據中，去推敲出某一些汽車可以跑的公里數，掌握產品保養的週期

透過範例就可以將簡單的把客戶做出管理區隔，並做出相對應的策略

透過本課程的實作，能讓你決定最佳的產品組合，增加銷售面積及盈利曲線

新冠肺炎不斷延燒，透過機器學習能挖掘可能的發生因素，預測病毒的走向

以房價的數據來探討模型驗證的必要性，同時也可以觀察房價的走勢

額外再加碼！讓你解決 9 個通用性營運問題

課程中除了帶你掌握模型工具、解決產業問題外，還給你解決營運問題的指南，無論你處在哪一個產業，都需要了解這些議題的解決辦法！

 1. 財經管理 ：透過神經網路的方法進行財務預測

 2. 人力資源管理 ：透過迴歸的方法預測員工生產力

 3. 行銷管理 ：透過分群的方法管理重量級客戶

 4. 運營管理 ：透過統計的方法掌握存貨狀況

 5. 產品研發 ：透過生成對抗網路的方法研發產品

 6. 風險管理 ：透過迴歸的方法進行存活分析

 7. 服務管理 ：透過遞歸神經網路與客戶進行對話式服務

 8. 策略管理 ：以樹狀為結構的方法去進行策略分類

 9. 供應鏈與生產管理 ：透過強化學習的方法進行存貨預測，實現即時交貨

範例搶先看：如何用機器學習找出黃金客戶

#  先了解能從這堂課中獲得什麼，不怕買了才後悔！

最後教你 1 套 Google 都在用的 ML 導入流程，思維競爭力再提升

# 學習一套，終身受用，國內外市場皆可應用

講師在導入多年的資料科學服務當中，發現資料科學家要有一個非常重要的能力，是能夠快速辨識這家企業與題目，到哪一個階段，接著再給予對應的服務內容，避免導入過程資源的浪費，因此在課程當中整理了一個 Google 也在用的「Path to ML」來幫忙大家釐清企業的 ML 導入階段，才能將資源妥善運用在正確方向當中。

這堂課會怎麼幫你快速找出演算法，達成目標？

# 先找出正確需求，才能選對演算法

情境Ａ： 如何找出新冠肺炎特徵？演算法該用特徵工程還是集群分析 ?

💡 最佳解法 >> 使用特徵工程演算法

新疾病最可怕的問題就是難以掌握它的特徵，利用特徵工程能夠在大數據中找出影響新冠肺炎的特徵，幫助醫生掌握重點、協助診療。

情境Ｂ： 該怎麼降低產品損壞率？演算法該用分類型還是迴歸型 ?

💡 最佳解法 >> 使用分類型演算法

一台汽車有一萬多個零件組合，不可能每次保養都一一檢查，分類型演算法能幫我們做出零件損壞時間預測並提前做出維護與預警。

情境Ｃ： 如何降低店內的庫存量？演算法該用數值型結合類別型還是決策樹？

💡 最佳解法 >> 數值型結合類別型的演算法

實體店鋪最容易遇到的就是存貨與成本問題，數值型結合類別型的演算法能幫我們有效掌握存貨的變動趨勢，進而有效掌控成本。

能從這堂課中融會貫通哪些演算法？

#  15 種演算法，不只了解運作原理，更知道如何交叉運用

隨機森林（Random forest）

決策樹（Decision tree）

單純貝氏分類器（Naive Bayes classifiers）

人工神經網路（Artificial neural network）

k近鄰法（k-nearest neighbor, kNN）

邏輯迴歸（Logistic regression）

線性回歸（Linear regression）

KMeans Clustering Algorithm

階層式集群（Hierarchical clustering）

先驗演算法（Apriori algorithm）

協同過濾（Collaborative filtering）

支援向量機（Support vector machine）

XGBoost

交叉驗證（Cross-validation）

Validation Curve

誰適合上這堂課？

# 數據分析師

一個經驗豐富的數據工程師想成為資料科學家的困難點並不在技術面，而是在於你能否洞悉整個專案的核心問題，並能具體的提出解決方案。Jerry 老師將會告訴你一個資料科學家會如何思考問題，讓你往資料科學家更邁進一步。

#  資料科學家

而資料科學家要更往上邁進，就必須能主導資料團隊依照商業命題，去建構分析模型，並給出決策。Jerry 老師會分享他在不同產業當顧問的心法，以及給出判斷的經驗，讓你直接吸取精華。 

除了以上，這堂課和外面的課程還有哪裡不一樣？

不像外面課程可能只教基礎概念，這堂課從機器學習的基礎觀念、演算法介紹到產業應用都有扎實內容，課程中所供的程式碼也都可以直接運用在工作上。而在完成課程後，你除了能提出⼀個具備產業問題的 ML Flow ，還能透過 Python ⼯具實現並分析成果。

在 HiSKIO 上的老師都具備一定程度技術、教學專業，若是在學習的過程中，沒人可以解答問題是件很痛苦的事情！而 Jerry 老師有十年的產業經驗，能夠在您實作專案遇到問題時，為您解答並扎下基本功，一起交流成長！

講師簡介

Jerry Wu 老師 — 現任Google機器學習開發專家、歐奔頭殼(股)創辦人兼執行長

國立臺灣科技大學資訊管理所博士候選人。專注於機器智能(Machine Intelligence)的研發與整合，包含機器視覺(CV)與自然語言理解(NLU)。曾任國立台灣科技大學講師、外商數據科學顧問、汽車業資深數據科學顧問、亞太智能機器創辦人兼技術長、DSP智庫驅動(股)共同創辦人兼技術長，歷經許多產、官、學、研機器智能專案。