1.熟悉Python此程式語言。 2.協助具程式語言基礎(Python)之學員自行實作或是運用scikit-learn開發機器學習模型。 3.運用機器學習技術進一步提升影像處理或電腦視覺領域中各類問題之效果。 4.未來銜接各類深度學習課程。
Python, 機器, 學習, 模型, 實作, 台北
課程代碼 2321070004 Loading...

Python機器學習模型實作 - 課程總覽 - 產業學習網

Loading...

課程型態/ 線上同步
上課地址/ 純線上授課(使用Cisco Webex),將於課前提供會議室連結
時數/ 12小時
起迄日期/ 2022/09/16~2022/09/30
聯絡資訊/ 陳品諠 (02) 2370-1111#303
報名截止日/ 2022/09/09
標題的icon

課程介紹

  機器學習理論是電腦視覺工程師或是資訊科學家的必備技能,亦是深度學習技術的根本,許多深度學習的傑出研究人員都具有強大的機器學習背景知識與豐富的程式實作經驗,本課程的目標在於學會如何透過Python自行實作機器模型,或是利用Scikit-learn這個強大的機器學習函式庫來進行各式各樣機器學習任務的訓練以及推論。
  本課程每一章節都有實作範例,部份實作同時提供自行以Python實現的程式碼以及Scikit-learn所提供的函式以比較效果差異,課程目標在於讓學員能對機器學習有全面性的瞭解,並且具備進入深度學習模型開發前的所有基礎知識,其中包括線性代數,統計以及機率。

本課程所有的程式都將在Colab上此雲端平台上開發,課程的實作範例包括了:
  1. 機器學習簡介
  2. 迴歸分析簡介與實作: 線性迴歸、嶺迴歸、套索迴歸、彈性網路
  3. 分群法簡介與實作:  K-平均演算法、均值漂移演算法、最大似然估測、最大後驗估測、最大期望演算法
  4. 基於資訊的分類方法簡介與實作: 決策樹與隨機森林
  5. 基於誤差的分類方法簡介與實作:  K-近鄰演算法、支持向量機、人臉分類實作(使用HOG特徵+SVM)
  6. 資料降維簡介與實作: 運用主成份分析進行資料降維,並運用邏輯迴歸進行(MNIST)手寫數字辨識。


標題的icon

課程目標

  1. 熟悉Python此程式語言。
  2. 協助具程式語言基礎(Python)之學員自行實作或是運用scikit-learn開發機器學習模型。
  3. 運用機器學習技術進一步提升影像處理或電腦視覺領域中各類問題之效果。
  4. 未來銜接各類深度學習課程。


標題的icon

課程大綱

  1. 機器學習簡介
  2. 迴歸分析簡介與實作: 線性迴歸、嶺迴歸、套索迴歸、彈性網路
  3. 分群法簡介與實作:  K-平均演算法、均值漂移演算法、最大似然估測、最大後驗估測、最大期望演算法
  4. 基於資訊的分類方法簡介與實作: 決策樹與隨機森林
  5. 基於誤差的分類方法簡介與實作:  K-近鄰演算法、支持向量機、人臉分類實作(使用HOG特徵+SVM)
  6. 資料降維簡介與實作: 運用主成份分析進行資料降維,並運用邏輯迴歸進行(MNIST)手寫數字辨識。


標題的icon

訓練對象

  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、機器學習相關技術至物聯網、駕駛輔助系統之程式設計師


標題的icon

講師簡介

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:Chalmers University of Technology 博士後研究員
  • 經歷: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
  Computer Vision, Image Processing, Pattern Recognition, Machine Learning, Deep Learning,   GPS, Embedded System, iPhone Programming
  已於車用影像安全警示系統領域中發表過二十五篇國際論文,十五篇國內論文,以及十三篇專利。


標題的icon

開課資訊

  • 主辦單位:工研院產業學院 台北學習中心
  • 上課時間:111/09/16、09/23、09/30 (每週五) ,13:00~17:00(12小時)
  • 上課地點:線上直播會議室(使用Cisco Webex Meeting,將於課前提供會議室連結)
  • 報名方式:
  1.線上報名:點選課程頁面上方的「線上報名」
  2.傳真報名:填妥報名表傳真至02-23811000
  3.email報名:填妥報名表email至 itri535842@itri.org.tw
  • 繳費方式:報名時可選擇信用卡線上繳費或匯款,主辦單位將於確認開班後通知您相關匯款資訊


標題的icon

課程費用

  1. 原價:$ 9,000 元/人
  2. 開課10天前同一公司二人(含)以上報名:$ 8,200 元/人。 
(以上費用已包含講義及教材費)


標題的icon

注意事項

  1. 本線上直播課程無補課機制。
  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。
  3. 為配合講師時間或臨時突發事件,主辦單位有調整日期或更換講師之權利。
  4. 報名時請註明欲開立發票完整抬頭,以利開立收據;未註明者,一律開立個人抬頭,恕不接受更換發票之要求,課程開始當天不得以任何因素要求退費。
  5. 為尊重講師之智慧財產權,恕無法提供課程講義電子檔。
  6. 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或更換他人參加,以利行政作業進行並共同愛護資源。


標題的icon

相關課程連結

線上直播】Python影像處理電腦視覺與機器學習實作
【課程大綱】

  1. 影像處理、電腦視覺與機器學習簡介
  2. 影像感測器以及各種影像缺陷簡介
  3. 影像標記、各類電腦視覺任務之量化指標及其實作
  4. 影像增強(空間域與頻域)
  5. 形態學及其於影像處理之應用
  6. 影像幾何轉換
  7. 基於影像特徵偵測之全景圖實現與物體偵測
  8. 基於HOG與SVM之人臉分類以及人臉偵測
  9. 基於Optuna之超參數最佳化

=================================================================
【線上直播】PyTorch
深度學習模型實作
【課程大綱】

  1. 深度學習(Deep Learning)簡介
  2. 卷積神經網路之訓練細節簡介
  3. 知名卷積神經網路(CNN)簡介
  4. 基礎神經網路實作:比較神經網路倒傳遞以Python實作與運用PyTorch自動微分間的差異
  5. 運用遷移學習之圖片分類模型實作運用Alexnet, ResNet進行人臉分類 (使用CelebA dataset)
  6. 物體偵測模型簡介與實作:實作YOLOv1以實現通用物體偵測(使用Pascal VOC dataset)
  7. 語義影像分割模型簡介與實作:運用FCN實現行車場景之影像分割(使用CamVid dataset)
  8. 生成式對抗網路簡介與實作: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。
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)