2023年5月18日 星期四

AI 入門:1.課程目的(人工智慧 28 堂基礎課程)

隨著 ChatGPT 在短時間創造的流行熱潮,AI 在各行各業的應用越來越普及,人類是否將被 AI 所取代,成為了一個廣泛討論的話題。很多人擔心,AI 的普及會讓人類失去工作機會,甚至被取代。然而,這種觀點可能過於悲觀。AI 可以協助人類處理繁瑣且重複性的工作,並提高生產力與工作效率。AI 的普及可以讓人類聚焦在更有價值的工作,甚至可能創造更多新的工作機會,例如:開發、維護與優化 AI 系統等。因此,AI 並不一定會取代人類,而是將與人類共同合作發展。

此外,AI 的普及也帶來了對教育和技能的新需求。人們需要學習並掌握 AI 的知識和技術,以便與 AI 系統協同合作,並開發出新的 AI 系統。無論您過去是否真正了解 AI,您都必須嘗試去學習資料科學、人工智慧和機器學習等技術,以便有效地利用 AI,並在 AI 普及的時代中保持競爭力。因此,AI 確實已經改變了某些產業的生態和工作的性質,但它同樣也創造了新的機會與挑戰。關鍵是我們應該正確看待 AI 的發展,積極學習與之相關的知識與技術,將 AI 作為提升個人價值的一個重要工具。

「人工智慧 28 堂基礎入門課程」是 IBM 技術顧問針對 AI 基礎知識設計的一系列入門課程,作為 IBM 技術社群卓越貢獻者(IBM Champion 2023),我盡力扮演好為社群貢獻與分享專業知識的角色。除了將這門課程的教材翻譯為中文之外,我同時也把這幾年從事 IBM Data and AI 產品推廣過程中獲得的經驗與客戶反饋融入在內容中,並且適度地將文章內容調整為比較貼近實務的現況。這個課程的目的在於說明人工智慧(Artificial Intelligence, AI)、機器學習 (Machine Learning, ML)以及深度學習(Deep Learning, DL)的基本概念,同時也會介紹一些在討論這項技術時經常會使用的專業術語。儘管我們不會深入探討 AI、ML 和 DL 的理論細節,但它可以作為 AI、ML 和 DL 相關主題與專業術語的“字典”,協助您瞭解相關的概念和術語。

因此,這門課程無法讓您成為一位 AI、ML 或 DL 專家,課程內容也不會教授如何建立、訓練和部署機器學習與深度學習模型的方法。然而,課程中的教材將提供您清晰的 AI、ML 和 DL 基礎知識,協助您更清楚地了解如何在您後續的 AI 實驗或 ML 專案中,應用這些專業技術。透過對 AI、ML 和 DL 概念的基本理解,您不僅可以在自己的 AI 創作中受益,還可以更有能力與其他資料科學家、資料工程師或相關領域的專業人士進行流暢的對話和討論。





人工智慧 28 堂基礎入門課程,完整目錄連結:
1.課程目的 15.分類(Classification)
2.資料就是新一代的能源 16.低度擬合與過度擬合
3.結構化資料 17.分群(Clustering)
4.非結構化資料 18.整合學習方法
5.半結構化資料 19.模型參數與超參數
6.為資料加上維度的概念 20.深度學習框架
7.人工智慧、機器學習、深度學習的定義 21.深度學習的主力 – 神經網路
8.構成 AI, ML 與 DL 的基本元素 22.影像辨識 - 卷積神經網路(CNN)
9.機器(深度)學習工作流程 23.自然語言處理 - 循環神經網路(RNN)
10.模型具體是什麼? 24.生成式對抗網路(GAN)
11.資料準備-維度縮減 25.移轉學習
12.資料準備-資料分割 26.衡量預測結果的品質
13.機器學習方法概述 27.實作 ML 與 DL 的挑戰
14.迴歸(Regression) 28.IBM AI 階梯方法論







版權聲明
人工智慧 28 堂基礎入門課程系列文章係依據 IBM 原廠英文教材進行適度翻譯與內容調整而成,每一門課程使用的主圖片其版權歸屬於 IBM 公司。文章內容未經授權,請勿進行任何形式的複製、修改或發佈本文內容,如需轉載或引用,請在使用時注明出處並取得授權。本文中提及的特定公司、產品、品牌名稱等僅為描述目的,其版權歸屬於相應的公司或擁有者。

沒有留言:

張貼留言