課程代號：2322110034  

自然語言處理與生成式對抗網路實作

熟悉Python此程式語言 學會運用PyTorch 開發自然語言以及生成式對抗網路模型 協助具機器學習/深度學習專長之學員切入自然語言處理、生成式對抗網路領域
課程型態/
混成
上課地址/
實體：工研院產業學院 產業人才訓練一部(台北) (實際地點以上課通知為主!) 線上：線上直播會議室 (使用Cisco Webex Meetings，將於課前提供會議室連結)
時  數/
12 小時
起迄日期/
2023/10/06 ~ 2023/10/27
聯絡資訊/
陳品諠   (02)2370-1111 #303
活動取消
課程簡介

　　讓電腦擁有理解人類語言的能力，就是自然語言處理 (Natural Language Processing，NLP)技術所要解決的問題。近年來隨著深度學習技術的持續進步，針對文字類型資料進行分析，以發掘出其中有用資訊的各種應用已經廣泛地出現在我們的生活當中，例如知名語言模型 GPT-2已經可以生成極為流暢的小說，而且不僅上下文連貫，連情感的表達也超過了人類的預期。

　　卷積神經網路之父- Yann LeCun曾說過生成式對抗網路(Generative Adversarial Network, GAN)是過去10年機器學習中最有趣的想法，自從2014 年Ian Goodfellow提出初版的GAN後，大量深度學習研究人員紛紛為這模型的潛力所著迷而投入此領域的研發，過去這幾年，更新、更強大的GAN不斷地被提出，使得各種影像生成或是影像轉換等應用的效果愈來愈好，例如StyleGAN已經能生成極為真實的人臉影像，StarGAN可分別轉換人臉的髮型、年齡或膚色; AugGAN可將一張白天影像轉換成晚上、雨天甚至是雨天夜晚，而這可以幫助自動駕駛車辨識系統產生巨量各式各樣行車情境下的訓練資料，以提升辨識率。近年來DeepFake技術也是基於GAN模型的持續進化，許多網路流傳的名人影像甚至無法分別其是否為偽造的，例如抖音上的deeptomcruise(https://www.tiktok.com/@deeptomcruise)

　　本課程邀請了兩位業界講師分別教授自然語言處理以及生成式對抗網路，所使用的深度學習框架都是現在最受歡迎的PyTorch，針對「自然語言處理」及「生成式對抗網路」說明如下：

自然語言處理

生成式對抗網路

1. 文字探勘中的分詞技術

2. 網路爬蟲原理與應用

3. 文字雲原理與應用

4. WordNet以及NLP 字詞處理原理與應用

5. RNN與LSTM原理與應用

6. Attention機制, BERT與GPT-2原理與應用

1. 手寫數字影像生成：運用Ian Goodfellow所提出的初代GAN實現手寫數字生成。

2. 基礎人臉影像生成：運用DCGAN實現人臉影像生成 (使用CelebA dataset)並使用生成影像提高訓練資料量以提升人臉分類之辨識率

3. 成對影像轉換：運用Pix2pix模型實現建築物影像轉換：給定建築物外觀草圖，將這些草圖轉換為真實的建築物外觀。

4. 非成對影像轉換：運用能從非成對影像中學習的CycleGAN實現馬變斑馬。

5. 日夜街景影像轉換：運用CycleGAN加上Cycle-Object Edge Consistency將白天街景轉為夜晚。

6.  DeepFake：運用目前強大的DeepFaceLab進行換臉實作

※     經過本次課程的洗禮，您將學會：(1)自然語言處理的基礎與應用，以及(2)GAN的基本概念以及如何運用不同GAN來實現各種影像生成或是轉換。

 

課程特色/目標

  • 熟悉Python此程式語言
  • 學會運用PyTorch 開發自然語言以及生成式對抗網路模型
  • 協助具機器學習/深度學習專長之學員切入自然語言處理、生成式對抗網路領域

 

具備工具

  • 建議規格：【CPU：i5 8th 以上、記憶體 8GB以上】
  • 最低規格：可使用 Google Chrome 瀏覽器、可使用 Google Colab
    (工具連結：https://colab.research.google.com/)

 

適合對象

  1. 具備程式設計能力，未來想投入機器學習、電腦視覺或資料科學領域的工程師
  2. 想應用電腦視覺、自然語言處理相關技術至物聯網、駕駛輔助系統、以及機器人之程式設計師

 

課程內容與大綱

1. 文字探勘中的分詞技術

2. 網路爬蟲原理與應用

3. 文字雲原理與應用

4. WordNet以及NLP 字詞處理原理與應用

5. RNN與LSTM原理與應用

6. Attention機制, BERT與GPT-2原理與應用

7. 生成式對抗網路基本原理

8. 手寫數字影像生成實作

9. 基礎人臉影像生成實作(DCGAN)

10. 成對與非成對影像轉換實作(Pix2pix與CycleGAN)

11. 日夜街景影像轉換實作(CycleGAN與Cycle-Object Edge Consistency)

12. DeepFake原理簡介

13. DeepFaceLab實作

 

講師簡介

李厚均 老師

  • 學歷：交通大學電子工程學系學士/臺灣大學電子所碩士
  • 現職：核果智能科技公司執行長
  • 經歷：TibaMe AI/Big Data 資料分析師養成班 Python 課程專業講師
    臺積電、中華電信、富邦銀行、新思科技等知名企業擔任內訓 AI 講師與顧問
    四零四科技 AI Lab 工程師
    TibaMe AI/Big Data 資料分析師養成班 Python 課程專業講師
  • 專長：人工智慧及資料分析、 影像辨識、 金融數據分析

林哲聰 老師

  • 學歷：台灣大學應用力學研究所碩士/清華大學資訊工程研究所博士
  • 現職：瑞典Chalmers University of Technology 博士後研究員
  • 經歷： 馬來西亞偉特科技公司(ViTrox)研發顧問
    工研院機械所副研究員/研究員/資深研究員
    加州大學聖塔芭芭拉分校資工系訪問研究員
    上奇資訊-計算機概論 共同譯者
    2010 伽利略創新大賽 台灣區季軍
    2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主
    2013 伽利略創新大賽 瑞士區冠軍
    2016 日本立命館大學英文演講比賽 清華大學代表
    2017 CVGIP 行人偵測競賽 亞軍
    2017 MOST 生成式對抗網路競賽 佳作
    2018第八屆兩岸清華研究生學術論壇 清華大學代表
    2019 IEEE ICIP Three Minute Thesis Competition (3MT®): Finalist
    2020 AI智慧應用新世代人才培育計畫-人才解題實證(倒車攝影機影像識別-障礙物與逼近偵測): 佳作
    2020 中華民國影像處理與圖形識別學會第十三屆博碩士論文獎博士論文佳作
    2020 中華民國資訊學會碩博士最佳論文獎-博士論文佳作
  • 專長：電腦視覺、機器學習、深度學習，物體偵測與辨識，影像生成與轉換。
  • 已於電腦視覺、影像處理、深度學習、AI人工智慧、駕駛輔助系統等相關領域中發表過三十四篇國際論文，十五篇國內論文，以及十三篇專利。

 

開課資訊

  • 主辦單位：工研院產業學院 台北學習中心
  • 舉辦地點：

　　　實體：工研院產業學院 產業人才訓練一部(台北) (實際地點以上課通知為主!)
　　　線上：線上直播會議室 (使用Cisco Webex Meetings，將於課前提供會議室連結)

  • 舉辦日期：112/10/06、10/13、10/20、10/27 (每週五) 13:30~16:30（共12小時）
  • 報名方式：

　　　線上報名：請點選課程頁面上方之「線上報名」
　　　傳真報名：請填妥報名表傳真至02-2381-1000(傳真後請來電確認，以保障優先報名權益)
　　　E-mail報名：請填妥報名表寄至 itri535842@itri.org.tw

  • 課程洽詢：02-2370-1111 *303陳小姐

 

課程費用(實體/線上皆適用)

  • 原價：$ 10,800 元/人
  • 早鳥價 (開課前三週)：$ 9,800 元/人
  • 團報價 (三人以上)：$ 9,200 元/人。

(以上費用已包含講義及教材費)

 

注意事項

  • 為確保您的上課權益，報名後若未收到任何回覆，敬請來電洽詢方完成報名。
  • 因課前教材、講義及餐點之準備及需為您進行退款相關事宜，若您不克前來，請於開課三個工作日前告知，以利行政作業進行並共同愛護資源。
  • 若原報名者因故不克參加，但欲更換他人參加，敬請於開課前二個工作日通知。

 

附件
標題的icon

相關文章