CH03 資訊管理的智慧觀點：技術篇
本章大綱 AI時代的來臨 AI對人類工作所產生的衝擊 AI對社會經濟與決策所產生的衝擊 AI的基本技術架構 深度學習
3.1.2 AI的基本概念
3.1.3 AI具備的優勢
3.1.4 AI的主要議題
3.2.2 何種工作最容易被取代
3.2.3 何種工作不容易被取代
3.3 AI對社會經濟與人類決策所產生的衝擊
3.4 AI的基本技術架構
3.4.1 法則學派(1/2)
3.4.1 法則學派(2/2)
3.4.2 機器學習學派 機器學習(Machine Learning)指的是：機器透過以往資料的學習，找到資料的特徵(Features)規則後，建立數學統計模型，對之後輸入的資料進行分析與判斷的一種人工智慧技術謂之。2. 機器學習的主要步驟 機器學習主要有下列四個步驟： 訓練資料獲取(Train Data Acquisition)。 資料特徵的選擇(Feature Selection)與特徵擷取(Feature Extraction)。 建立預測模型(Predictive Model Building)。 以此模型來判斷未來。
圖3-11 法則學派與機器學習學派的比較
機器學習的主要類型
3.4.2 監督式學習(1/2)
3.4.2 監督式學習(2/2)
傳統統計模型與類神經網路的比較分析
3.4.4 非監督式學習
3.4.5 半監督式學習
3.4.6 增強式學習
3.5.1 類神經網路系統 (Artificial Neural Network, ANN)
ANN的架構
3.5.2 深度學習(1/3)
3.5.2 深度學習(2/3)
3.5.2 深度學習(3/3)
3.5.3 人工智慧學習商業化的主要促動力量 除了上述的深度學習之外，造成人工智慧2012年以後急速商業化的主要原因，就是所謂的「跳舞」(DANCE)，即Data、Algorithm、Network、Cloud、Ex-ponential Growth Hardware。 大數據(Data) 演算法(Algorithm) 網路(Network) 雲端(Cloud) 指數形進步的硬體(Exponential Growth Hardware)
圖3-23 深度學習的重點與特色