AI-PD_banner

學習目標 課程大綱 專題實績 課程講義 Q&A

2/2梯次已額滿~

最新開課 3/14 火熱報名中!!

課程簡介

AI最終仍需商轉,不論是什麼樣的新應用,都需要相應的硬體平台。5G時代即將來臨,大頻寬、高速率、低延遲的特性,將引燃AI邊緣運算的相關應用呈現爆發性的成長,因此AI邊緣運算開發的相關技能是AI工程師的必備技能。唯有懂得AI軟硬整合的人才,才是企業所迫切需求的,才能在職場上創造難以取代的價值!

一個合格的AI應用工程師必須要了解如何在硬體上的AI模型佈署與優化AI模型的方法。為提高你的學習成效,本課程將以這2個方向進行教學,讓你更能聚焦在不同部分的學習目標,從實作中培養完整的AI軟硬整合能力。

< more >

課程 4 大特色
特色一、獨家Edge AI套件包 <more...>

有實際硬體,學AI應用才真正有感!為了傳達正確的AI應用學習觀念與學習重點,艾鍗獨家設計I/O子板,以擴充原Pi3板的功能,同時搭配Intel® Movidius™ Neural Compute Stick,並對其中所有軟硬體控制原理進行透徹解說,使你可以透過主題式Lab,實踐AI應用如影像辨識、物件識別等核心技術與架構,能讓您在學習中直接了解開發時的各種狀況,並快速知道需要除錯的地方在哪。

特色二、業界工程師實戰分享 <more...>

坊間AI教學大都著重於演算法,而跟硬體相關的AI教學,僅限於短時數工作坊,無法讓你深入AI軟硬整合的技術核心,遑論培養業界所需之軟硬整合職能。艾鍗學院為帶給學員更貼近業界實務的教學內容,禮聘業界AI工程師組成教學團隊,依照業界進行AI軟硬整合的開發流程規劃課程。讓你在完整架構下,逐一學會各步驟的技術核心。教你書本上學不到的AI實務開發經驗,減少你自學碰壁的時間。

 
特色三、軟硬整合深入技術核心 <more...>

軟硬整合中,Debug(除錯)也是重要know-how之一。與軟體相比,硬體受到許多物理因素的影響,充滿著許多不確定性而產生,因此學習的門檻更高,坊間的AI講師大多不熟悉硬體的操作,遑論除錯。艾鍗AI講師不但對實務上常見的AI演算法非常熟悉,目前也從事AI軟硬整合的相關開發,累積非常豐富的實務經驗,能幫助你用最有系統的方法提高學習成效。

特色四、Hands on training <more...>

除了能說一口好AI,更能展現AI實作能力,不管是在專案開發或是合作洽談,都會非常有說服力。艾鍗學院相信,唯有從實作中,讓你身歷其中,才能讓你有最好的學習效果。因此講師群準備豐富的實作主題與完整的範例程式碼,在詳細的講解過後,讓學員進行實作。講師也會在旁給予學員遇到實作問題上的協助。

 

我可以學到什麼
  • 了解AI邊緣運算之完整開發流程。
  • 學會在終端裝置Raspberry Pi上建置Edge AI實作環境。
  • 學會以OpenVINO(Open Visual Inference and Neural network Optimization)進行AI模型的格式轉換,進而能將AI模型佈署在邊緣裝置上。
  • 學會整合Intel Movidius Neural Compute Stick實現邊緣運算之影像辨識應用(如人臉辨識與動態影像識別等) 。
  • 學會轉換與加速硬體相容的AI模型格式之觀念與實作技巧。
  • 學會必懂的AI觀念和業界AI專案執行的流程,並能了解實務工作上導入AI的步驟與導入前該注意的關鍵。

< more >

ai-pd_classlogo.png
適合對象
  • 已學過AI,但想進一步學習如何將AI演算法轉換成實際應用之工程師。
  • 對於AI演算法大致理解,但想學習如何將本機端的AI模型佈署到終端硬體之工程師。
  • 欲進行邊緣運算開發之專案,想學習各階段開發技巧,縮短自我摸索時間之工程師。
  • 已經正在進行邊緣運算相關開發,想學習提升開發效率技巧之工程師。

teacher1

課程大綱

課程架構圖

※點選課程可展開看更多

Python機器學習與深度學習實戰

➤認識人工智慧與機器學習實作(機器學習實作是以Scikit Learn為主,搭配Python範例程式碼講解)

    • 人工智慧導論

    • 熱門AI應用介紹

    • 名人講堂-導入AI方法

    • 機器學習演算法整合實作

      • 資料分析流程與實務經驗談

      • 精解常見機器學習模型特色與使用時機:Regression 迴歸(正規化與回歸Ridge Regression & Lasso Regression)、生成模型與判別模型、羅吉斯迴歸(Logistic Regression)、單純貝式分類器(Naive Bayes Classifier)、支持向量機(Support Vector Machine)、決策樹(Decision Trees) 、隨機森林(Random Forests)、最近距離分群法(KNN)、K-means等

      • 機器學習模型訓練資料建立方法

        • 如何避免過擬合(Overfitting) & 欠擬合(Underfitting)

        • 交叉驗證法(Cross Validation) & 拔靴驗證法(Bootstrap Validation)

      • 資料前/預處理基於機器學習中之關鍵

        • 資料標準化(Standardization)說明與標準化套件(Scaler)教學

        • 降維(Dimension Reduction):主成分分析(PCA)

          • 主成分分析(PCA) vs T-SNE

        • L0、L1、L2正則化效果實作與說明

      • 判斷模型預測能力的方法:混淆矩陣、準確率(Precison)、覆蓋率(Recall,也叫作召回率)、皮氏F-分數(Piotroski F-Score ,FSC)、ROC曲線、AUC曲線

      • 主題實作:房價預測、信用卡欺詐檢測、速食店銷售預測、工廠預防性維保之CNC工具磨耗檢測、Titanic鐵達尼號生存率預測、共享單車租借輛預測分析等

➤神經網路與深度學習應用實戰(深度學習實作是以 Keras、TensorFlow 深度學習平台為主)

    • 深度學習導論

      • 機器學習 vs 深度學習

      • Deep Learning常用GPU介紹:Nvidia GTX 1080Ti…

      • GPU配置教學與效能評估

      • 框架介紹(TensorFlow、Keras、CUDA… )

    • 開發環境建置與操作 - Google Colaboratory

      • Google GPU環境設定教學 & 常用指令

    • 神經網路與深度學習架構

      • Deeper Neural Network (DNN)說明:

        • Neural Network 的原理與架構:Neuron(神經元)、Perceptron(感知器)

        • Activation Function(激勵函數): Relu、Sigmoid、tanh…

        • Optimization(最佳化):線性回歸、Gradient Descent(梯度下降法)、SGD(隨機梯度下降法)、Momentum(動量法)、Adam(適應性矩估計)…

        • 過擬合(Overfitting)處理:Dropout、Regularization

        • 存入與讀取模型(model)與權重(weights)

        • 主題實作:神經網路實作、MNIST手寫數字辨識、CIFAR-10實作、乳腺癌診斷分析

    • 常見深度學習模型解說與演練

      • 卷積神經網路(CNN)

        • 原理與架構說明: Convolutional Layer (卷積層)、Pooling Layer (池化層)、Fully Connected Layer (全連階層)

        • 常用模型應用說明:VGG16、VGG19、ResNet50、InceptionV3

        • 其他方法說明:Backpropagation(反向傳播法)、Autoencoder

        • 常用模型應用說明:VGG16、VGG19、ResNet50、InceptionV3

        • CNN與影像辨識實務應用說明:分類(Classification)、Semantic按語意切割(Segmentation)、定位(Classification + Localization)、物體偵測(Object Detection)、實體切割(Instance Segmentation)

        • 主題實作:卡通圖像角色辨識、模型實作(載入模型、訓練模型、新建模型、調整參數、績效評估、Fine-tuning)、圖片辨識、圖片去雜訊

      • 遞歸神經網路(RNN)

        • 原理與架構說明

        • Gradient Vanish(梯度消失)

        • LSTM(Long Short-Term Memory)模型說明

        • Early Stopping

        • 應用說明:時間序列(Time series)、詞向量(word vector / word embedding)、自然語言處理(Nature language processing)、語音辨識

        • 主題實作:美國國際航空乘客量分析、情緒分析、中英翻譯

      • 遷移式學習(Transfer Learning)

        • 原理說明:Keras後端函數應用、反轉梯度

        • 主題實作:梵谷畫作風格轉換

      • 生成對抗網路(GAN,Generative Adversarial Networks)

        • 生成器 (Generator) 和鑑別器 (Discriminator)

        • 改進的版本介紹:DCGAN(Deep Convolutional Generative Adversarial Networks)

      • 強化學習(Reinforcement Learning)

        • 原理說明:自動進行決策,並且可以做連續決策

        • 四個元素:agent、環境狀態、行動、獎勵

        • Q-Learning解說

          • 逆向增強式學習 (Inverse Reinforcement Learning)

          • 主題解說:訓練電腦玩遊戲、機器人運動控制

      • 推薦系統(Recommender Systems)

      • 發展與部署深度學習系統時,在操作層面上的考量

    • 深度學習應用主題解說

      • 交通號誌辨識

        • 使用OpenCV進行影像預處理(通道轉換、標準化、資料增加…)

        • CNN model實作解說

      • 主題式物件辨識(object detection)

        • 影像Lable方法解說

        • YOLO模型教學

        • YOLO模型實作解說

      • 人臉辨識

        • 人臉偵測 mtcnn(Multi-task Cascaded Convolutional Networks)、opencv、dlib套件解說

        • 資料前處理:人臉轉換、對齊與裁剪…

        • 人臉特徵擷取(使用FaceNet的模型與演算法)

        • 人臉特徵比對 (使用LinearSVC的分類演算法)

      • 在iPhone上用YOLO model實現人臉偵測

        • iOS開發介面簡介

        • YOLO model 移植教學

      • 不均衡數據處理與奇異值分析(novelty detection / Outlier Detection)實作

        • 產線數據分析與課程所學之應用設計

AIoT邊緣運算與影像辨識整合實戰

➤AI邊緣運算系統開發實作

    • 邊緣運算(Edge Computing)導論

      • 邊緣運算的趨勢與應用場域

      • AI硬體的戰場 : VPU、GPU、FPGA

      • AI領域的新藍海 : 嵌入式AI

    • AI邊緣運算開發環境建置

      • Edge裝置Raspberry Pi基本操作教學

      • Intel神經加速棒 (NCS ,Movidius Neural Compute Stick)介紹

      • 虛擬機與ubuntu系統安裝教學

      • Intel OpenVINO(Open Visual Inference and Neural network Optimization)介紹與應用範疇

      • 虛擬機之Intel OpenVINO安裝教學

      • 常見開發環境建置之問題與除錯(Debug)解說

      • TensorFlow on your Raspberry Pi & NCS API設定

      • Lab:

        • 靜態圖像辨識

        • 性別與年齡辨識

        • 動態影像辨識

    • 在硬體上佈署影像模型前的關鍵-模型轉換

      • 為什麼要進行模型轉換?

      • 模型格式介紹(IR、.bin、.xml…)

      • 模型格式轉換流程解說

      • 小試身手:YOLO on Raspberry Pi

➤AI邊緣運算主題實作 (此階段將任擇兩主題進行教學)

    • 智能即時手寫數字辨識系統實作

      • 智能即時手寫數字辨識系統體架構介紹

      • 手寫數字資料集之選用、分類與整理

      • 數字偵測與辨識模型解說

      • 數字辨識pre-trained model載入

      • 智能即時手寫數字辨識系統實現

      • 問題研討

    • 智能皮膚檢測系統實作

      • 圖像檢測系統之整體架構介紹

      • 皮膚圖像訓練資料集之選用、分類與整理

      • 皮膚圖像深度學習模型之應用與解說

      • 皮膚圖像片模型之學習成效檢核、評估方式(accuracy、loss、confusion matrix…)

      • Python web框架(Flask)之使用與生產用途之環境建置方式介紹

      • Restful API 設計機制

      • 問題研討

    • 商品辨識智能系統實作

      • 商品辨識智能系統實作之整體架構介紹

      • 商品訓練資料集之選用、分類與整理

      • 商品(物件)偵測與辨識模型解說

      • 商品辨識pre-trained model載入

      • 商品辨識智能系統實現

      • 問題研討

    • 人臉結帳智能系統實作

      • 人臉結帳智能系統之整體架構介紹

      • 人臉識別技術解說

      • 消費訊息推播實作 : Python與node.js之整合應用(ex.Linebot)

      • 人臉結帳智能系統實現

      • 問題研討

    • 智慧停車場車牌辨識系統實作

      • 智慧停車場車牌辨識系統之整體架構介紹

      • 車牌偵測

      • 車牌影像前/預處理:影像灰階化、邊緣檢測、形態學運算 車牌字元處理:字元分割、字元辨識

      • 智慧停車場車牌辨識系統實現

      • 問題研討

    • 銀髮照護之跌倒偵測示警系統實作

      • 銀髮照護之跌倒偵測示警系統之整體架構介紹

      • 人體動作識別多任務深度學習模型解說:Multitask CNN

      • 人體動作識別多任務深度學習模型解說:Multitask CNN

      • 單人與雙人動作識別之pre-trained model載入

      • 警示訊息通知 : 蜂鳴器、line警示訊息推播

      • 銀髮照護之跌倒偵測示警系統實現

      • 問題研討

    • AIoT智能居家聲控系統實作

      • AIoT智能居家聲控系統實作之整體架構介紹

      • 語音訓練資料集之選用、分類與整理

      • 語音深度學習模型之應用與解說

      • 如何移植你的pre-trained model

      • 遠端控制之通訊協定實現 : MQTT

      • Python與node.js之整合應用:用line chatbot實現聲控系統

      • 問題研討

PS.實作範例將會依據產業趨勢與學員學習狀況進行彈性調整

*建議自備器材:
建議自備器材

*若您想對Python程式設計與資料工程有更紮實的學習,請見<Python資料科學>

師資團隊

teacher1

 Elvis

▪ 美國聖路易大學生物資訊博士

▪ 知名國際3C製造大廠人工智慧研發部門主管

▪ 生物資訊 / 自然語言處理 / 統計推論 / 科學計算 / 數據科學 / 資料探勘 / 數值最佳化 / 資料庫 巨量資料處理 / 機器學習 /深度學習

teacher1

 Jeffery

▪ 台灣大學土木工程研究所博士

▪ 知名上市資訊科技大廠AI人工智慧部門研發主管

類神經網路 / 基因演算法 / 最佳化演算法 / 結構力學 / 有限元素法 / 生醫影像處理

< more >

學員見證
陳○穎:可以清楚知道處理問題的步驟,較有架構!
陳○瑋:從完全不懂到了解作用
吳○庭:講解程式碼非常清楚。
林○婷:講解善用比喻,容易讓人理解。
林○助:有說原理,一步一步的說明,容易了解。
蘇○鈞:更深入了解整體架構。
羅○峰:內容明確。
黃○松:老師分享很多實務經驗,可以獲得細部知識。
王○一:有很多實作上機的操作
葉○名:整體收穫很多

課程諮詢

 歡迎企業包班內訓,立即洽詢(02)2316-7736!!

0403 jeff bezos amazon 400x400

Amazon創辦人 Jeff.Bezos︰

當你抵抗趨勢,那你就是在和未來作對。

但若你選擇欣然擁抱,風向會幫你一把。

 

在一個快速變遷的世界裡,確定會失敗的唯一策略是:不冒險。如果你欣然擁抱趨勢,踏向偉大的AI應用工程師修練之路,風向也會幫你一把。搭上艾鍗學院的學習列車,不可思議的旅程,從此開始!若您希望對本課程有更多了解,歡迎留下您的資料,或撥服務專線(02)2316-7736,艾鍗學院將竭誠為您服務喔!

業界派訓,包班首選

卓越的企業不但追求技術 更要求速度
艾鍗學院為了隨時掌握產業的變化並跟上技術需求,設有教學研發團隊,以提供新技術、高品質的培訓服務,有效地訓練出業界需要的人才!感謝緯創資通、奇美電子、浩鑫、台達電子、新普、英業達、精英電腦、微星、金士頓、圓剛、鈊象電子、益登科技、廣達電腦、德州儀器、系微、AMI等80多家企業選擇艾鍗培訓。

enterprise embedded linux

new02

728x90企業預付 1

AI深度學習與邊緣運算 假日進修班開課日期:109/3/14(日) 上課時間:09:30~17:30 課程時段:假日班最後3位名額,欲洽從速!