跳到主要內容
 
:::

深度學習(Deep Learning): TensorFlow人工智慧實務模擬(LAB)

自從西元1998年Yann LeCun大師提出LeNet-5類神經網路(Neural Network)作為手寫文件的辨識方法之後,Convolutional Neural Network (CNN)網路架構成功的提昇了類神經網路的訓練效率;同時也證明了將類神經網路應用在實際產品的可行性。到了西元2012年Geoffery Hinton大師所提出的AlexNet(含有8層網路深度)在ImageNet影像識別大會(ILSVRC-2012)奪得當年比賽的冠軍,將辨識的Top-5錯誤率降低至15.3%,受到當時各界的矚目,也更證明了深度學習(Deep Learning)的效果及實用性。接著在西元2014年,Google團隊更提出了深度為22層的GoogLeNet類神經網路,在ILSVRC-2014比賽中贏得冠軍,更將辨識的Top-5錯誤率降低至6.7%;Google同時也運用深度學習的技術實現了許多人工智慧的服務,例如 GoogleNow語音辨識、Gmail自動回信、Gmail垃圾郵件判斷、Google相簿自動分類與辨識、Google翻譯等。
因此,深度學習的技術已漸漸地實現了許多我們期待已久的人工智慧( Artificial Intelligence)應用系統;加上現今CPU與GPU平行處理能力的大幅增長,更促進了目前人工智慧被開發的腳步。歡迎您加入這場不能錯過的TensorFlow深度學習實習訓練營,在最短的時間內,快速上手使用TensorFlow實現深度學習。
在三天的TensorFlow深度學習上機實習訓練營中,第一天安排的課程內容將由淺而深,從類神經網路的基礎模型開始說明,包含訓練與辨識的方法,使學員瞭解基礎模型的運作方式。接著將介紹在深度學習技術中常用的Convolutional Neural Networks (CNN)模型,配合Image classification應用實例,幫助學員實際的瞭解深度學習的訓練及辨識概念。
經過第一天深度學習的基礎訓練之後,第二天的課程內容將著重於 Google TensorFlow深度學習開發平台的介紹與上機實際演練。目的在使學員能夠在最短的時間內吸收深度學習的開發技術,在完成課程之後能自行著手建立深度學習的開發環境,開始進行在自己專長領域產品的研究與開發。
開課單位:財團法人自強工業科學基金會
課程大綱:1. 類神經網路簡介
2. Stochastic Gradient Descent(SGD)梯度漸降觀念說
3. 監督式學習方法介紹
4. Convolutional Neural Networks(CNN)網路架構
5. 深度學習訓練, 建立模型, Back Propagation反向傳遞
6. 個案研究: LeNet-5
7. CNN影像辨識
8. 個案研究: AlexNet
9. Dropout and Softmax
10. 個案研究: GoogLeNet, ResNet, DenseNet
11. Single Shot MultiBox Detector 物件偵測
12. RNN LSTM 網路架構
13. Python及Numpy簡介
14. TensorFlow 平台介紹
15. TensorFlow 資料型態及運算
16. TensorFlow 多層網路設計上機實習
17. TensorFlow 專案開發: CNN 影像辨識
18. TensorFlow 專案開發: RNN LSTM 數據預估
開課日期:2020-06-07
上課時間:週六、週日09:00~16:006/7(日)、7/4(六)、7/11(六)
結束日期:2020-07-11
上課時數:18
預計招生人數:15
費用:學員負擔:6500元/政府負擔:6500元
繳費方式:需先至開課單位繳交全額費用
課程費用:13000元
聯絡人:管小姐
連絡電話:03-562-3116 #3221
先備知識:備基本C程式語言設計知識
授課師資:鄭羽熙
招生對象:未來想從事高階軟體開發工程師、財務分析工程師、電子/電機相關工程師、測試/量測工程師、醫學界研發人員、生物科技研究人員,以及統計/數值分析人員等。
上課地點:300新竹市光復路二段101號創新育成大樓2樓2FB教室