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. 學員將能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 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。
Jetson Nano, edge computing, 邊緣運算, NVIDIA, AI, 人工智慧, 加速運算, 電腦視覺, 深度學習, 機器學習, 平行運算
課程代碼 2322080055 Loading...

NVIDIA Jetson Nano 邊緣運算之深度學習與電腦視覺實作 - 課程總覽 - 產業學習網

Loading...

課程型態/ 實體
上課地址/ 新竹地區
時數/ 13小時
起迄日期/ 2023/03/13~2023/03/20
聯絡資訊/ 黃小姐 03-5732034
報名截止日/ 2023/02/20
標題的icon

課程介紹

邊緣運算,三趨勢成形(1) On-Line Training 快速崛起,On-Device Training 將成為顯學、(2)Edge AI 晶片+ AI演算法」是全球邊緣運算技術發展趨勢、(3) 朝向AI機器學習為導向的應用生態系。源自: IEK產業情報網 https://ieknet.iek.org.tw/iekrpt/rpt_detail.aspx?indu_idno=1&domain=0&rpt_idno=510397827

 

本課程透過理論探討來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。本課程將從電腦視覺(Computer Vision)的基礎原理,以及各個實務應用領域的運用切入,如物體偵測(Object Detection)、語意分割(Semantic Segmentation)、姿態辨識(Pose Estimation)等等。除了理論外,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 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

 

 

標題的icon

課程特色/目標

課程目標

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.     學員將能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



課程特色

         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 (Computer Vision) 的基本概念開始,循序漸進至較為深入的影像分類 (Image Classification)、物件辨識 (Object Detection)、語意分割 (Semantic Segmentation)、遷移式學習 (Transfer Learning)、神經網路架構最佳化 (Neural Network Architecture Optimization)。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。

         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。

         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

         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。

         認證加值: 課程將取得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][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。

 

 

標題的icon

課程對象

         建議大專以上、理工相關科系畢業。

         適合具有基本Python編程經驗的程式設計或應用系統開發者

         從事人工智慧系統規劃、建置與應用者

         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。

         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。

         AI 智慧應用實務架構及技術,及應用服務感興趣者

         學員需自行準備筆記型電腦、Micro USB傳輸線、SD卡讀卡機,後續透過網路連上Jetson Nano後即可直接在Jetson Nano上編寫程式。


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。

 

: 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

標題的icon

講師簡介

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

 

 

標題的icon

課程大綱

         實作課程大綱 (第一天,6小時)

時間

課程大綱

時數

09:00 – 12:00

(含休息)

9:00 – 9:20

課程內容總體概述與介紹

3

9:20 – 10:40

[實作] Jetson Nano 開發套件及應用介紹

Ÿ  安裝映像檔

Ÿ  CUDA testing & demo

Ÿ   Visionworks 介紹

10:40 – 11:10

Jetson NanoGPU架構及

雲協作平台介紹

11:`0 – 12:00

[實作]視覺辨識 Library (Tensorflow & Pytorch)Jetson Nano上之安裝教學

12:00 ~ 13:00

午餐時間

1

13:00 ~ 16:00

(含休息)

13:00 – 13:30

自動化系統與計算機視覺簡介

3

13:40 – 14:30

[實作]Jetson Nano 專案實作-從圖形識別開始

14:40 – 15:10

遷移學習簡介

15:20 – 16:00

[實作] 遷移學習於Jetson Nano實際案例實作與探討

 

 

         實作課程大綱 (第二天,7小時)

時間

課程大綱

時數

09:00 – 12:00

(含休息)

9:00 – 9:50

物體偵測與語意分割簡介

3

10:20 – 10:40

[實作] NVIDIA DLI Jetson Nano Lab 實作

10:50 – 12:00

[實作] 利用相機模組進行現場 Live 目標檢測實作 (YOLOv4)

12:00 ~ 13:00

午餐時間

1

13:00 ~ 17:00

(含休息)

13:00 – 13:50

AI 真正落地-神經網路模型推論加速

4

14:00 – 14:30

[實作] TensorRT實際演練

14:40 – 15:10

Q & A 問答時間 與 前瞻深度學習技術介紹

15:20 – 17:00

透過實例來接軌 - 智慧城市

透過實例來接軌 - 智慧醫療

透過實例來接軌-智慧家庭

 

註:表中之各課程時間會依據現場教學情況調整。

 

 

標題的icon

課程套件及自備電腦

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

    128GB  microSD card *1

    羅技C270 HD 網路攝影機 *1

    散熱風扇 *1

    USB SD card 讀寫器

    5V/4A DC電源 *1

 

u  學員需自備筆電(及電源線),及HDMI(Std.)microUSB

建議筆電配備:

u  硬體與作業系統

         CPU: Intel i5 以上

         記憶體: 8 GB 以上

         硬碟: 剩餘 50 GB 以上

         作業系統: Windows 10Ubuntu 16 以上 、Mac OSX 10.10 以上

u  軟體與其他

         Google Chrome 瀏覽器

         Google Colab (需要有 Google 帳號)

 

 

標題的icon

課程資訊及費用

u  主辦單位:工業技術研究院

u  舉辦日期:2022/12/12()12/19()09:00~17:00,共計13小時。報到時間: 08:30~09:00

u  舉辦地點/方式: 工研院光復院區一館 609教室 (新竹市光復路二段321號一館609教室)

     本場次課程將以實體課為主,後續將視中央疫情規定,得配合動態調整授課方式,或改為線上直播辦理。

實際上課地點/方式,請依上課通知為準!

u  報名截止日期:2022/11/21 (三周前,需先採購課程套件)。因教學效果等考量,上限20位學員,小班制,報名請早。

u  課程洽詢:黃小姐03-5732034 email itri535579@itri.org.tw

 

課程費用 (含稅、講義、設備、午餐點心)

<課程原價>(三周前):一般 $19,000/位,團報(同公司二位以上) $18,000/

<早鳥優惠價>(四周前):一般$18,000/位,團報(同公司二位以上) $17,000/

 

: 學員自備設備 (Jetson Nano及其配件),得減價$8,000元,請於報名之備註欄上註明,以便後台減價。

 
 
標題的icon

常見問題

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21天,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.    學員需自備筆電、充電器

6.    視疫情狀況,本課程保留實體授課或線上授課之權利。

 

 

標題的icon

附件

標題的icon

相關課程

Loading...
標題的icon

推薦課程

Loading...
標題的icon

相關文章

Loading...
網頁Top按鈕 (網頁回到頂端)