課程代號:2322090023  

Python機器學習模型實作

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。

課程型態/
數位課程
上課地址/
工研院產業學院 台北學習中心,實際上課地點,請依上課通知為準。
時  數/
12 小時
起迄日期/
2023/12/07 ~ 2023/12/21
聯絡資訊/
李晨安   23701111#316 or 827316
活動取消
課程介紹

近年來深度學習技術在各種機器學習任務上達到前所未有的精度,這樣的突破使得自駕車或是機器人中,感知系統的可靠度有了極大的提升。欲開發深度學習模型,深度學習框架的選擇是相當重要的。

PyTorchFAIR (Facebook AI Research)2017年所開放的深度學習框架,過去兩年在深度學習、電腦視覺、自然語言處理等頂會中的使用率,已經全面超越Tensorflow。相較於TensorflowPyTorch容易上手、搭建模型效率極高,程式碼卻更為簡潔,因此,許多最新的深度學習模型都是運用PyTorch實現。

本課程除了簡介深度學習的基本原理以及訓練細節,還會介紹各種深度學習模型,其中包括了影像分類(AlexnetResNet)、物件偵測(YOLOv1-YOLOv7)、影像分割(FCN, DeepLabv1, DeepLabv1, DeepLabv3,DeepLabv3+),甚至是生成式對抗網路(CGAN, pix2pix, CycleGAN, StarGAN, CyEDA),尤其是如何運用這些模型在自駕車或是機器人的感知系統中。

經過本次課程的洗禮,您將學會(1)從頭訓練一個深度學習網路,(2)在訓練效果不佳時,如何有系統的調整超參數以提升辨識率,(3)運用適當的模型解決工作上的需求,尤其是如何訓練一個能在效能與計算量間得到平衡的模型。

 

課程目標

  • 熟悉 Python 此程式語言。
  • 協助具影像處理專長之學員切入電腦視覺、深度學習領域
  • 未來可應用深度學習技術至駕駛輔助系統、自駕車甚至是機器人中的視覺感知次系統

 

課程大綱

本課程所有的程式都將在Colab此雲端平台上開發,實作範例包含資料以及程式碼都會提供,本次課程的內容包括了:

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(AlexnetResNet)

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:

  • 實作Alexnet, ResNet進行人臉分類(使用CelebA dataset)
  • 實作Hierarchical Cross-Entropy以運用不同群物體具有的相似性進一步的提升分類精度(使用Oxford-IIIT Pet 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)
  • 實作YOLOv3實現多標籤物體偵測模型
  • 實作YOLOv7實現口罩偵測

7. 語義影像分割模型簡介與實作:

  • 實作FCN實現行車場景之影像分割(使用CamVid dataset)
  • 實作DeepLabv3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。
  • 實作pix2pix實現房屋layout圖影像轉換
  • 實作CycleGAN實現馬變斑馬
  • 實作CyEDA以實現日夜影像轉換

 

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


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。


開課資訊

  • 上課時間:112/12/07、12/14、12/21 (每週四) ,13:00~17:00(12小時)
  • 上課地點:
    實體:工研院產業學院 台北學習中心 (實際上課地點以上課通知為主!)
    線上:線上直播會議室(使用Cisco Webex Meeting,將於課前提供會議室連結) 課程
  • 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

  • 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


課程費用

 

報名方案

費用

課程原價 (每人)

每人10,800

早鳥優惠價(開課前3週)

每人9,800

團體報名優惠價,3()以上

每人9,200

 

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。