【AI 深度學習】新手入門應用篇

🛎️ 【2025 新增說明】本課程影片錄製於 2020 年，課程所使用的程式碼已於 2025 年 7 月全面更新。由於深度學習相關的開源模組更新速度快，部分程式可能因版本變動而出現執行錯誤，需由同學自行除錯並進行環境調整。建議同學具備基礎 Python 能力(依照錯誤訊息善用 Gemini 或 ChatGPT 等工具尋求除錯建議)，如此將能更順利完成課程中的各項實作練習喔！同學在過程中有遇到任何問題也歡迎留言詢問老師 :)

這堂課，要帶你用更簡單的方式學 AI，提升未來高度！

為什麼講到 AI，就常常聽到「深度學習」？

深度學習就是 AlphaGo（屬於 Google 的子公司）打敗世界棋王的關鍵，簡單的說，學會深度學習，就能使用多層「深度」架構，讓電腦自動「學習」數據的特徵，並具備預測該類數據的能力。所以 AlphaGo 是應用深度學習技術自動學習圍棋，不需人的介入，甚至是日以繼夜的程式與程式對弈，如此棋力突飛猛進擊敗世界棋王。

「深度學習」是 AI 科技的入門磚，可以讓電腦比人類更聰明！

主要是可以站在巨人的肩上，可以自我提升，快速成就更多事，就如同 AlphaGo 的例子，沒有深度學習的自動學習，工程師要花非常多時間去教電腦如何下棋與應對千變萬化的情勢，而電腦的棋力進步也受到人的限制。

再舉個簡單的例子：警察可以從十張照片找出哪些照片有通緝犯，但如果是 100 萬張照片呢？或是 1 萬小時的影片呢？應用深度學習技術可以幫助警察，電腦先篩選出最可疑的 10 個照片或影片，再由警察確認即可。

深度學習很難學嗎？

不不不，這堂課將透過實作練習，讓你沒有AI基礎也學得會！

就像使用汽車代步，學習開車即可，不必學會製造汽車。同樣的，使用深度學習技術，學會使用方法即可，不必要學會如何寫出深度學習程式。我們的入門課程，就是透過「練習 ► 實作 ► 應用」這三個步驟，先駕馭使用方法，讓深度學習為我們工作。

儘管生成式 AI 已具備一定的程式撰寫能力，但具備 Python 的基礎仍然能為學習 AI 帶來明顯優勢。本課程各單元搭配設計完善的 Python 程式碼，讓同學能實際操作深度學習模型，並透過微調參數、觀察執行結果的變化，進一步加深理解，提升整體學習體驗。

老師教學經驗豐富，課程大獲好評 ⭐⭐⭐⭐⭐

🚄 這次老師將實體經驗轉化為線上課程，邀你一起搭上科技列車，提升職場競爭力！

課程緣起

人工智慧 AI 從 19 世紀中葉起，歷經二次低谷後，AI 隨著摩爾定律、網路運算速度、大數據⋯⋯等科技突破而日益突飛猛進，AI 這股浪潮正快速的改變世界， 而「深度學習」更扮演關鍵角色，所以如果能掌握 AI 技能，未來肯定前途大有可為，但工作要能夠導入 AI， 大多是要具備資料科學與統計專長，還有要會寫程式才能駕馭 AI， 這讓很多想學 AI 的朋友，吃足苦頭。雖然現在也有事先訓練好的模型供大眾使用，但畢竟現在還沒有萬能的模型。使用自己的資料，訓練自己的模型，去應用在自己的用途上，這是眾多 AI 學習者夢寐以求的目標。  

「如何降低 AI 的學習門檻？」這是 2019 年，當桃園市青年局希望我能提供相關 AI 課程時，我曾經認真思考過的問題。

我在三天的實體課程中，分別安排不同的教學模式，並做課後滿意度調查，其中：「無程式基礎」、「Python 動手實作 AI 應用」的教學結果最受歡迎，印證了：

沒有學過程式設計、來自各行各業的學員，也可以在本堂課程中學會實作並應用，舉一反三、激發創意！

💻 三大實用主題，帶你實作人工智慧應用

1⃣️ 資料預測

使用試算表格式數據，練習實作股價與營業額預測

• 數據類型說明：以表格型態紀錄資料的電子檔，表格中有包含時序欄位（日期）與數值欄位（金額），常用檔案格式為 .csv與 .xlsx。
• 教學方式：手把手從 Python 指令開始，到載入試算表檔案為訓練數據，讓同學實作多層序列神經網路，進行與時序有關之數值預測。 
• 實際應用與內容介紹：可以實際執行股價﹑成交量﹑營業額⋯⋯等項目之預測結果。
• 與深度學習的關聯：入門與使用深度神經網路（Deep Neural Networks, DNN）。

知名的商業應用：股市量化交易、推薦系統、預測配對、詐騙偵測和故障預測。

2⃣️ 圖片與人臉之辨識與分類

使用圖片與影片檔案，練習實作人臉辨識數位美妝與圖片分類

• 數據類型說明：數位格式的照片（jpg , png），影片（mp4）。
• 教學方式：提供所有學習的 Python 程式碼，課程會教兩種技術，一是直接使用現有的模型，快速進入實作，二是如何自行訓練模型，如何製作訓練數據，實際訓練深度學習模型，進行影像處理應用。 
• 實際應用與內容介紹：可以實際練習刷臉門禁、人數計算、透過 AI 數位美妝趣味實作，迅速使用從人臉辨識五官的加值應用，影片中特定人物出場時間紀錄與統計。而物件辨識技術，可應用在商品種類辨識、圖片分類⋯⋯等項目應用。
• 與深度學習的關聯：入門與使用卷積神經網路（convolutional neural networks，CNN）
• 知名的商業應用：刷臉支付、客戶情緒辨識、犯罪預防、智慧零售、智慧醫療。

3⃣️ 文本分類

中文文本數據，練習實作標題分類與情緒預測

• 數據類型說明：文本，也就是由文字所組成的詞、句子或文章，例如：關鍵字（詞）、新聞標題（句子）、網路新聞（文章），檔案格式 .txt。
• 教學方式：由具體的應用切入，讓學生在做中學，例如網路新聞標題分類，教學步驟就是：蒐集新聞分類標題-建立模型-訓練模型-使用訓練好的模型-輸入新聞標題得到分類結果（例如輸入：HBL 冠軍賽明日開打，得到分類結果是：體育新聞）。
• 實際應用與內容介紹：任務內容是給一個主題，從 1000 篇文章中挑選 10 篇最相關的文章，若由人工進行，我們必須逐篇閱讀理解後，方能選出最相關的文章，而深度學習模型經過訓練，可以自動產生摘要與標題，也可以自動將文章依相關性排序，迅速提供我們挑選的依據。而文本情緒的預測，可以從眾多買家或顧客評價中，迅速統計正向或負面的滿意度。
• 與深度學習的關聯：入門與使用循環神經網路（Recurrent Neural Network, RNN） 與長短期記憶模型（LSTM）。
• 知名的商業應用：智慧客服、聊天機器人、自然語言語義理解、QA 問答系統。

💡 如果想耕耘此領域，跟著這堂課的操作，就能有實際可見的作品！

為新手而設計：想懂「深度學習」，不一定要從學程式開始！

創新教學，有趣、好玩、降低挫折感

這堂課要讓你：還不會 Python 程式，就先學深度學習。是的，你沒有看錯，這堂課程將會強調「實作」，就像學開車不用自己造輪子、使用最潮款智慧型手機的新功能，為我們工作與生活加分，但不需要會寫 App 程式。

同時，老師也希望透過成就感驅動學習：挫折感掰掰，上課要有趣，學生才不會睏覺，講師多年實際教學經驗，精心設計單元，每個單元都有收穫，讓你期待下一單元學到更多。

實用優先，激發創意和興趣

課程將從實作應用開始，只要勤做練習，程式自然就學會。每個單元都有實用的專題，做中學，學會使用後激發更多的創意，讓您會想要學更多。

Data-Driven，培養競爭力、與科技接軌

• Data Driven：數據驅動與最新科技接軌，學習人工智慧，模型技術固然重要，數據才是AI決勝點，課程特色就包含建立數據集（Dataset）教學，坊間AI書籍與課程很多都使用英文或現成的數據集，但要完成自己的任務（需求），就要先學會如何建立自己的數據集
• 程式碼導向：套裝軟體雖然好學好用，但終究有限制，程式才是王道，課程所有實作都是使用 Python 程式，但不需背指令，先會使用，就已跨出成功第一步，接下來單元中會手把手教學，如何在現有範例程式中增加指令，逐步增加功能。

課程內容

• 單元 1～2
• 新手上路，學習環境建立，Python 與深度學習入門，如何使用資料表進行預測，從數據載入、建模、訓練、預測，循序漸進實作深度學習模型 MLP。
• 單元 3～4
• 以影像為應用主軸，從基本數據預處理、建模、訓練、預測，循序漸進實作深度學習模型 MLP、CNN。
• 單元 5～6
• 以中文文本為應用主軸，從文本數據清洗分詞與預處理、建模、訓練、預測，循序漸進學習深度學習模型 RNN、LSTM。

課程編排設計

以 AI 零基礎教學為主軸，並且依照章節提供教學範例 Python 程式，不會要求學員在零基礎的情形下跟著課程進度 key in 程式指令，但會漸進式的引導學員從修改程式參數值開始，進入狀況後會教如何在範例程式中增加程式指令，來達到更多的執行功能，學員只要依照 step by step 步驟操作，不須先熟記程式指令，就可以跟著課程進度實作深度學習應用。

課程內容約 5-15% 的技術知識解說，95-85% 的上機實作應用，課程影片主要為螢幕錄影（側錄）方式進行教學，另依課程需要使用圖片（例如流程圖）與文字輔助解說。

每個單元均有練習題，可以讓學員多加練習與實作，開課後設立課程討論區（FB社團），學員可以提問，可以交流分享學習成果與心得。

課程注意事項

1. 本課程對於「專有名詞」會以白話方式解說，並不會對理論與技術細節深入探討，而是以練習實作方法為起點入門深度學習應用。
2. 本課程中程式指令與執行產生的系統訊息為英文，程式內有中文註解說明，對於程式執行所常見的錯誤訊息，會提供說明，並提供解決錯誤的對策。
3. 本課程會由開發環境、程式基礎從頭教起，課程中會有實用的 Python 入門課程，而 Python 入門課程內容主要在於實作時所需操作的指令（包含模組安裝匯入、變數、迴圈、判斷、輸入輸出、檔案處理），同學在練習時可修改變數與參數值，舉一反三，熟練後可以自行調整程式內容，應用在不同情境。
4. 課程主要使用google colab (Python Jupyter Notebook) 環境界面學習，講師解說示範以雲端環境為主，學員也必須使用雲端環境操作與練習，前述雲端環境免費與其使用規範依各平台規定，包含但不限於：jupyter.org、 google、 Microsoft Azure、 kaggle（前述平台並未與本課程合作，前述商標權利屬於各平台所有）。
5. 本課程難易度定義為入門初階等級，教學與實作應用均使用開源免費之 Python 程式語言，並非使用套裝軟體，程式與數據檔案均在雲端環境操作，同學可自由編輯修改與練習，同學在學習與實作時均需要使用可上網的電腦。
6. 本課程影片錄製於 2020 年，課程所使用的程式碼已於 2025 年 7 月全面更新。由於深度學習相關的開源模組更新速度快，部分程式可能因版本變動而出現執行錯誤，需由同學自行除錯並進行環境調整。建議同學具備基礎 Python 能力(依照錯誤訊息善用 Gemini 或 ChatGPT 等工具尋求除錯建議)，如此將能更順利完成課程中的各項實作練習喔！

募資解鎖活動

購課前 60 名同學限定 ►「深度學習入門特訓班」實體課程

只要於募資期間（即日起～2020/03/05 晚上 23:59 期間）募資人數達 200%， 則將舉辦實體課程，回饋前 60 名購買的同學！現場面對面互動，Python + Deep Learning 手把手教學，本堂課程特別適合非理工背景或沒有程式基礎的同學，僅此一堂，錯過就只能抱歉喔！

✏️ 參與資格：僅限募資期間（即日起～2020/03/05 晚上 23:59 期間）前 60 名成功購買課程的同學（不包含退課者）
✏️ 上課時間：解鎖後預計於開課日期後 30 天內的週六或週日 09:00~16:00，實體課程上課日期會再以 email 另行通知。
✏️ 上課地點：桃園市，詳細地點與日期細節最遲於上課前 2 週公告與 email 通知，同學需自備筆電（詳如學生會需要用到的工具）與自備午餐及環保杯，實體課程有名額限制，若未能於約定期間內進行回覆參加意願，將視同放棄實體課之參加權利。若有不可抗拒之因素無法如期開課，講師保留修改之權利並另擇期通知開課。
✏️ 聯絡方式：若有任何「此活動相關問題」，請於購課前問答區詢問老師

⚠️ 注意事項 FAQ
Q1：購買後，要在哪裡填 email 資訊呢？
A1：按下「馬上預購」後，將導向「付款資訊」頁面，最下方即可填寫聯繫資訊 email，請參考下方附圖一。
Q2：如何確認自己有沒有付款成功呢？
A2：完成購課流程後，請點選「網頁右上方的大頭貼」進入「訂單記錄」頁面，於「訂單狀況」的欄位顯示「完成付款」的訂單即代表付款成功喔！
備註：選擇以「超商繳費」或「ATM 轉帳」付款的朋友，在下訂單後也要在規定期限內「完成付款」才算符合資格喔！填寫資訊僅供該次解鎖活動通知使用，Hahow 與老師皆不會將學員填寫的收件資訊做其他用途。

（附圖一）

募資門檻更高，解鎖更多「深度學習技術實作」線上課程！

只要即日起～2020/03/05 晚上 23:59 期間募資人數達標，即可解鎖下列課程（解鎖課程所有購課同學皆可觀看）：

• 達 400% 解鎖 ► 推薦系統應用課程 20 分鐘（已解鎖 🔑）
• 達 600% 解鎖 ► 人體動作辨識課程 20 分鐘（已解鎖 🔑）
• 達 800% 解鎖 ► AI 行銷分析課程 20 分鐘
• 達 1100% 解鎖 ► AI 影像創作課程 20 分鐘
• 達 1400% 解鎖 ► 論壇輿情分析課程 20 分鐘
• 達 1700% 解鎖 ► AI 文字問答機器人課程 20 分鐘

解鎖課程上架日期為解鎖後統一於開課後每隔 15 天，依序上架，例如 400% 解鎖課程於開課日 +15 天上架，600% 解鎖課程於開課日 +30 天上架⋯⋯依此類推。

關於講師 Abel Wang（自動智發新創團隊共同創辦人）

講師專業與教學經歷

• 15 年機器人競賽教練經歷
• 29 年機電整合自動化工程經歷
• 2025年經濟部iPAS AI應用規劃師中級證照

• 2007 - 迄今 行政院公共工程委員會品管班講師（生產力中心，台電訓練所）
• 2013 桃園市教育局科技創造力機器人設計大賽教師研習講師
• 2015 - 2016 中原大學智慧機器人社團指導教練
• 20160821 祥儀夢工廠機器人製作工作坊教學（主題：Angry Boy Robot）
• 2018 - 2019 科技部「第一屆與 AI 對話」競賽入圍複賽（前 30 名）
• 2016-2019 東海高中機器人競賽研習講師
• 2019 桃園市青年局新明青創基地人工智慧課程講師

講師指導競賽經歷與團隊作品

• 2004-2013 指導學生參加 World Robot Olympiad 機器人競賽，四次晉級國際賽
• 2012 指導學生參加全國職業技能競賽北區機器人職類第四名
• 2016/09-2017/06 獲聘中原大學智慧機器人社團指導教練(4學期)
• 20170611 指導桃園科技創造力機器人設計大賽足球組包辦第一二名
• 2017/01-07 復旦高中社指導老師（主題：足球機器人）
• 20170326 指導 ASME 國研盃智慧機械競賽穫佳作與 NI 特別獎
• 20160912 指導 WRO 奧林匹克機器人全國賽足球佳作（復旦中學）
• 20160529 指導桃園科技創造力機器人設計大賽足球組包辦第一二三名
• 20160306 指導 ASME 國研盃智慧機械競賽穫 NI 特別獎
• 20151212 承辦中原大學全國機器人競賽（智慧機器人社團教練）
• 20151129 指導機器人社團學生榮獲 2015 IEEE 國際機器人實作競賽 （大專盃） 暨機器人教育與產業人才培育實作競賽（2015 IEEE International Robot Hands on Competition and Symposium ， IRHOCS）手臂車 A 組 亞軍
• 2015 中原大學微‧夢追逐微電影競賽創業組第一名
• 2015 中原大學第二屆勇往直前創業計劃書比賽冠軍
• 2015 FlyingV 群眾募資成功達標並履約完成(專案：Onduino) 
• 20181017 桃園市青年創業局評比自動智發團隊獲選進駐新明青創基地
• 20181020 青年投入永續發展行動國際論壇暨桃園市青年行動家表揚獲選
• 20180709 AI 大星智慧機器人參與新明青創基地開幕（自動智發團隊作品）
• 20180728 時任行政院長視察新明基地團隊展示AI大星智慧機器人（自動智發團隊作品）
• FB 粉專：自動智發

回覆與作業設計

• 回答問題的頻率：每週2~3次。
• 批改作業的頻率 : 每週1~2次。
• 上述頻率不含假日，若有不可抗力之因素，最慢會在 1 - 2 週內回覆同學。
• 問題 QA 互動方式：課程專屬 FB 社團或LINE群組，相關活動公告在 Facebook 自動智發粉專，也可在好學校課程之[問題與討論]留言提問。
• 作業設計方式 : 同學可使用自己的數據集或公開數據集 open data（需符合課程規格），訓練自己的模型，達到分類或預測的目的（需符合課程規則），並依照作業要求上傳程式或執行截圖繳交作業。
• 批改作業方式：是否完成作業的標準為同學繳交的執行截圖或繳交的程式可成功執行訓練分類或預測，並提供同學實作上的建議。