• Follow Us on

中山管院:商業大數據平台

持續學習、互助成長

  • 課程
    • 跨域智慧創新學程
      • 一般商業管理資料案例
      • 數位行銷與電子商務資料案例
      • 金融服務與金融科技資料案例
      • 本學期合作廠商
    • R:商業數據分析(2020秋)
      • 助教團隊
      • 1. 課程與R語言簡介 (109.1)
      • 2. 基本運算與繪圖 (109.1)
      • 3. 資料整理與繪圖套件 (109.1)
      • 4. 敘述統計與簡單探索 (109.1)
      • 5. R:機率概論 (109.1)
      • 6. 應用機率 (109.1)
      • 7. 集群分析與熱圖 (109.1)
      • 8. 尺度縮減與互動探索 (109.1)
      • 10. 線性迴歸模型 (109.1)
      • 11. 邏輯式迴歸 (109.1)
      • 12. 從預測到決策 (109.1)
      • 13. 顧客價值管理 (109.1)
      • 14. 零售交易資料 (109.1)
      • 15. 假設與模擬 (109.1)
      • 16. 策略優化 (109.1)
      • 17. 產品、價格與競爭
    • 大數據運算、機器學習與人工智慧
    • 2018暑期課程
  • 資源
    • 社群連結
    • 學習地圖
      • 互動APP樂園 – APP Amusement Park
      • R:數據分析與統計
      • 數位行銷
      • 基礎課程
      • 進階課程
      • 大數據平台
    • 公開資料集資源連結
    • 同學作品發表
      • 數位內容協作機制
      • YELP評論分析:資料探索
      • YELP評論分析:產業分析
      • 顧客價值管理
      • 產品銷售資訊
      • 預測性模型
      • 購物籃分析
      • 圖像辨識與轉換學習
      • 互動圖資網頁
      • 總統大選八卦
    • 互助學習小組
      • 網路程式設計研究社
      • 財務組合分析學習小組
      • 基礎Rの讀書會
      • 大數據應用程式開發學習小組
      • PTT文集應用學習小組
      • 時間序列與商業預測
      • 計量經濟
      • 數位行銷
      • 資料視覺化
    • 活動與競賽
      • 2021冬 – 商業智慧日體驗營【大學 R YOU READY?】
      • 2020夏 – 商業智慧日體驗營 【R與台灣的量子糾纏!】
      • 2020 RiTW 線上研討會
      • 2020春 – 商業智慧日體驗營
      • 2020 產學合作機會
      • 2019 產學合作座談會
      • 2019 網站流量資料分析工作坊
      • 2018 雲端深度學習工作坊
      • 2019 R環境下執行大數據運算工作坊
  • 應用
    • 行銷管理
      • 產品設計、競爭策略
      • 購物籃分析
      • 推薦系統
      • 顧客價值管理
      • 模型、預測與決策
    • 財會金融
      • 選股策略
      • 資本配置
      • 一星二陽K棒組合程式範例
      • 投資組合
      • Bitcoin套件
      • Tidyquant套件介紹
  • 方法
    • 大數據方法簡介
    • 機器學習、預測性模型
      • 機器學習的技術架構
      • 監督式學習
      • 非監督式學習
      • 預測性模型
      • 交叉驗證、參數調校
      • 非結構化(文字)資料
      • 巨量尺度縮減
    • 深度學習、人工智慧
      • 簡單辨識
      • 物件辨識
      • 自動翻譯
      • 自動編碼器
      • 機器創作
      • 增強式學習
        • 服務故障申請
      • 轉換學習
    • 網站流量分析
    • 文字分析
      • Yelp資料集探索
      • 文集內容分析
      • LDAvis Demo
    • 社會網路分析
      • 社會網路分析
    • 互動圖資網頁
      • 多層次互動地圖
      • 高雄市房地產時價登錄
      • 時空間的視覺化
    • 資料視覺化
      • 資料視覺化(情緒分析)
  • 服務
    • 研究資料集資源分享
    • 服務架構、平台規格
    • 大數據分析平台服務使用說明
    • UAP平台使用說明
    • 文字分析平台使用說明
    • 帳號申請
  • 課程
    •         - 跨域智慧創新學程
      •                 - 一般商業管理資料案例
      •                 - 數位行銷與電子商務資料案例
      •                 - 金融服務與金融科技資料案例
      •                 - 本學期合作廠商
    •         - R:商業數據分析(2020秋)
      •                 - 助教團隊
      •                 - 1. 課程與R語言簡介 (109.1)
      •                 - 2. 基本運算與繪圖 (109.1)
      •                 - 3. 資料整理與繪圖套件 (109.1)
      •                 - 4. 敘述統計與簡單探索 (109.1)
      •                 - 5. R:機率概論 (109.1)
      •                 - 6. 應用機率 (109.1)
      •                 - 7. 集群分析與熱圖 (109.1)
      •                 - 8. 尺度縮減與互動探索 (109.1)
      •                 - 10. 線性迴歸模型 (109.1)
      •                 - 11. 邏輯式迴歸 (109.1)
      •                 - 12. 從預測到決策 (109.1)
      •                 - 13. 顧客價值管理 (109.1)
      •                 - 14. 零售交易資料 (109.1)
      •                 - 15. 假設與模擬 (109.1)
      •                 - 16. 策略優化 (109.1)
      •                 - 17. 產品、價格與競爭
    •         - 大數據運算、機器學習與人工智慧
    •         - 2018暑期課程
  • 資源
    •         - 社群連結
    •         - 學習地圖
      •                 - 互動APP樂園 – APP Amusement Park
      •                 - R:數據分析與統計
      •                 - 數位行銷
      •                 - 基礎課程
      •                 - 進階課程
      •                 - 大數據平台
    •         - 公開資料集資源連結
    •         - 同學作品發表
      •                 - 數位內容協作機制
      •                 - YELP評論分析:資料探索
      •                 - YELP評論分析:產業分析
      •                 - 顧客價值管理
      •                 - 產品銷售資訊
      •                 - 預測性模型
      •                 - 購物籃分析
      •                 - 圖像辨識與轉換學習
      •                 - 互動圖資網頁
      •                 - 總統大選八卦
    •         - 互助學習小組
      •                 - 網路程式設計研究社
      •                 - 財務組合分析學習小組
      •                 - 基礎Rの讀書會
      •                 - 大數據應用程式開發學習小組
      •                 - PTT文集應用學習小組
      •                 - 時間序列與商業預測
      •                 - 計量經濟
      •                 - 數位行銷
      •                 - 資料視覺化
    •         - 活動與競賽
      •                 - 2021冬 – 商業智慧日體驗營【大學 R YOU READY?】
      •                 - 2020夏 – 商業智慧日體驗營 【R與台灣的量子糾纏!】
      •                 - 2020 RiTW 線上研討會
      •                 - 2020春 – 商業智慧日體驗營
      •                 - 2020 產學合作機會
      •                 - 2019 產學合作座談會
      •                 - 2019 網站流量資料分析工作坊
      •                 - 2018 雲端深度學習工作坊
      •                 - 2019 R環境下執行大數據運算工作坊
  • 應用
    •         - 行銷管理
      •                 - 產品設計、競爭策略
      •                 - 購物籃分析
      •                 - 推薦系統
      •                 - 顧客價值管理
      •                 - 模型、預測與決策
    •         - 財會金融
      •                 - 選股策略
      •                 - 資本配置
      •                 - 一星二陽K棒組合程式範例
      •                 - 投資組合
      •                 - Bitcoin套件
      •                 - Tidyquant套件介紹
  • 方法
    •         - 大數據方法簡介
    •         - 機器學習、預測性模型
      •                 - 機器學習的技術架構
      •                 - 監督式學習
      •                 - 非監督式學習
      •                 - 預測性模型
      •                 - 交叉驗證、參數調校
      •                 - 非結構化(文字)資料
      •                 - 巨量尺度縮減
    •         - 深度學習、人工智慧
      •                 - 簡單辨識
      •                 - 物件辨識
      •                 - 自動翻譯
      •                 - 自動編碼器
      •                 - 機器創作
      •                 - 增強式學習
        •                         - 服務故障申請
      •                 - 轉換學習
    •         - 網站流量分析
    •         - 文字分析
      •                 - Yelp資料集探索
      •                 - 文集內容分析
      •                 - LDAvis Demo
    •         - 社會網路分析
      •                 - 社會網路分析
    •         - 互動圖資網頁
      •                 - 多層次互動地圖
      •                 - 高雄市房地產時價登錄
      •                 - 時空間的視覺化
    •         - 資料視覺化
      •                 - 資料視覺化(情緒分析)
  • 服務
    •         - 研究資料集資源分享
    •         - 服務架構、平台規格
    •         - 大數據分析平台服務使用說明
    •         - UAP平台使用說明
    •         - 文字分析平台使用說明
    •         - 帳號申請

深度學習、人工智慧

Home / 分析方法 / 深度學習、人工智慧

深度學習、人工智慧

  • 簡單(文字、人臉)辨識: MLP

  • 物件辨識 :CNN、Conv2D 

  • 自動翻譯 :RNN、LSTM

  • 自動編碼器:Auto-Encoder

  • 機器創作 :Generative Learning

  • 增強式學習:Re-enforcement  Learning

  • 轉換學習:Transfer Learning

 

Developed by Think Up Themes Ltd. Powered by WordPress.