本課程透過理論探討，了解當下最紅的深度學習，嘗試從根本理解為何需要機器學習及深度學習。從電腦視覺（Computer Vision）的基礎原理，以及各個實務應用領域切入，如物體偵測（Object Detection）、語意分割（Semantic Segmentation）、姿態辨識（Pose Estimation）等等。除理論外，亦將介紹自駕車（Autonomous Driving）設計考量等，從相關案例去探討深度學習，從而補足現今大多人缺乏的理論基礎，能夠幫助學員銜接更進階的實作及了解關鍵知識。課程的最後將會探討深度學習模型落地（從研究面到產業面）的關鍵要素：使用預訓練模型、微調與模型加速的重要性，並將搭配關鍵實作，使學員能印證理論及舉一反三於工作上之實務議題。

在課程中將使用 NVIDIA Jetson Nano 當作課程中的教材 ──  Jetson Nano 為 NVIDIA 重點推廣的邊緣運算平台，其同時綜合了性能高、體積小、功耗低、CP 值高的四項優點於一身，是一個為深度學習量身訂做的學習平台。其中更搭載了 NVIDIA 單一整合的應用組合 JetPack，包含了載板支援套件 (BSP)、LINUX 作業系統，並支援 NVIDIA CUDA 。有著 JetPack 這樣豐富的豐富開發人員工具，使用者能夠以最短的時間開始這趟深度學習之旅。在這堂課程中，我們將從介紹 Jetson Nano 的套件及應用，帶學員從零開始，一步一步跟著講師的腳步並理解當中的理論基礎，及搭配實作以學習掌握各個研發環節。

1.透過實例探討的方式，提供學員另一個角度來理解深度學習的世界觀。

2.學員將理解將深度學習於實際應用中所需之關鍵知識，並透過實作練習，能夠實務應用於智慧電腦視覺。

3.學員可預期能從課程中學習基本的電腦視覺概念，神經網路概念，遷移式學習，神經網路架構；這些概念將能應用至產業上，協助開發自動化、智慧系統如：

     a.  瑕疵檢測應用於工廠，並提升生產效能。

     b. 人臉辨識應用於監視器，協助管理上下班進出或提升居家安全。

     c.  車牌辨識應用於管理停車場。

     d. 醫學影像辨識應用於協助醫生診斷。

                上述例子皆為電腦視覺之應用，並與各個理論基礎有著緊密連結。

4.學員能夠從本課程理解 NVIDIA Jetson Nano 的基本操作以及可能潛在應用，並掌握邊緣運算之要點；透過 NVIDIA DLI Lab 實作，取得 NVIDIA DLI Jetson Nano 課程證明。

1.理論與實務並重：本課程著重於由基礎開始訓練學員，指導學員深度學習(Deep　Learning) 的基本概念，從電腦視覺 的基本概念開始，循序漸進至較為深入的影像分類、物件辨識 、語意分割 、遷移式學習、神經網路架構最佳化。除了介紹基本概念，亦包含相關領域的最新研究進展。因此，不同於坊間課程僅著重於基礎知識的建立，本課程更著重於帶領學員們理解新穎的神經網路架構，其背後的運作原理，以及近年來研究的進展等。

2.手把手，由淺入深教練：除了基本知識的建立，本課程亦搭配使用 NVIDIA Jetson Nano 及實作，帶領學員們由無到有，由淺入深踏進神經網路的訓練 (Training) 以及推論 (Inference) 過程，帶領學員們理解其中的操作原理。

3.課程緊湊精實：本課程將使用較為新穎且能夠快速理解的應用實例，讓學員們能夠在全程二天的課程、最短的時間內體會到深度學習可能的應用範疇，及掌握從雲端學習、建立模型、遷移式學習、TensorRT最佳化、程式燒錄等完整實作環節。

4.堅強師資：本課程之講師及助教皆曾在頂尖AI研討會發表數篇研究論文，並曾實際使用NVIDIA Jetson Nano獲得國際競賽獎項。本課程內容因此特別著重於紮實的知識建立，以及實際的案例展演。學員將能從本課程中得到相當大的收穫。

5.認證加值: 將取得NVIDIA深度學習機構(DLI)證書，本課程以實務教學與演練的方式來加深學習效果，課堂中更將帶領學員完成 [Getting Started with AI on Jetson Nano]與[Getting Started with DeepStream for Video Analytics on Jetson Nano]兩門線上課程，通過者將可取得NVIDIA DLI原廠證書。

1.建議大專以上、理工相關科系畢業。

2.適合具有基本Python編程經驗的程式設計或應用系統開發者

3.從事人工智慧系統規劃、建置與應用者。

4.從事人工智慧邊緣運算裝置、AI系統應用服務、系統整合等之研發人員及主管。

5.從事人工智慧創新應用之市場研究及計畫管理開發經理人。

6.對AI 智慧應用實務架構及技術，及應用服務感興趣者。

7.學員需自行準備HDMI雙公口線、Micro USB傳輸線、SD卡讀卡機。

       學員先備知識

本課程的先備知識為基礎的程式觀念，及基本的電腦操作能力。修習本課程並不需要深入的數學知識，或任何機器學習的背景。適合具有基本Python編程經驗的程式設計或應用系統開發者。

       註: 若缺乏基礎程式觀念先備知識，建議於開課前可先觀看【均一教育平台】程式語言課程影片學習 

       https://www.junyiacademy.org/computing/programming/python?fbclid=IwAR3I0Gf9fRp2idsO_pln5iRQNBGZxeR2dfJJ9E6jmy9Ib2QcGQt2rh6t86o

李濬屹 副教授 / 清大資工系

【學歷】

⮚         美國普林斯頓大學電機工程博士

⮚         國立台灣大學電子工程學研究所碩士

【經歷】

⮚         國立清華大學資訊工程學系副教授 (2019~now)

⮚         國立清華大學資訊工程學系助理教授 (2015~2019)

⮚         矽谷美商甲骨文 (Oracle Corporation) 資深硬體設計工程師 (2012~2015)

⮚         NVIDIA深度學習教育機構認證講師

【專業領域】

Ø  智慧型機器人、深度增強式學習、電腦視覺、平行程式與系統設計、多核心處理器系統設計、IC設計

•         實作課程大綱 (第一天，6小時)

•         實作課程大綱 (第二天，7小時)

                                              註：表中之各課程時間會依據現場教學情況調整。

u  課程將提供NVIDIA Jetson Nano課程套件一組：

◆    新版4GB NVIDIA Jetson Nano開發板B01版本 *1個

◆    64GB  microSD card *1個

◆    羅技C270 HD 網路攝影機 *1個

◆    5V/4A DC電源 *1套

u  學員需自備HDMI雙公口線(Std.)、microUSB 傳輸線、SD卡讀卡機

1.本班最低開課門檻10人。

2.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。報名時不須先繳費，待確認開課後通知繳費，並將依繳費順序確認員額。

3.因須先預購Jetson Nano課程套件，開課前，需先繳款，且無法退款，但可以更換他人。若原報名者因故不克參加，但欲更換他人參加，敬請於開課前七日通知。

4.上課前一周，尚會寄發軟硬體安裝注意事項等，請留意信件。

5.視疫情狀況，本課程保留實體授課或線上授課之權利。