「電腦視覺」(Computer Vision, CV)為深度學習領域中相當重要的研究領域,在產業界也有非常多的應用場景。現今的環境,無所不在的相機、手機、監視器、行車紀錄器等取像設備,巨大量的視訊資料量,透過「深度學習」(Deep deep Learninglearning)的各類模型,進行影像偵測、識別、分析,進而做出判斷或行動,進而衍生各種重要的應用,如人臉辨識、物件偵測、車輛追蹤、街景分析等。此外,除了電腦視覺外,深度學習亦擅長於時序資料預測建模。
本課程聚焦於電腦視覺技術與深度學習領域,從基礎的影像處理OpenCV影像處理與機器學習建模(OpenCV)切入,逐步帶領學員學習電腦視覺深度學習技術,包含卷積神經網路(Convolutional Neural Network, CNN)基礎、物件偵測、古典時間序列模型、Elman與Jordan遞歸類神經網路、長短期記憶及閘式遞歸類神經網路應用、故障預測健康管理(Prognostics Health Management, PHM)與失效時序資料建模案例等,幫助學員應用在工作領域上。運用Python語言深度學習套件和函數(Keras, TensorFlow, PyTorch),探討各類深度學習模型,優化超參數及避免過度配適,以提高模型應用的準確度,幫助學員應用AI技術在工作領域上。
序 |
項目 |
內容 |
時數 |
一 |
電腦視覺與 卷積類神經網路(CNN) |
(1) OpenCV與電腦視覺基礎 (2) 類神經網路設計與卷積類神經網路基礎 (3) 卷積類神經網路進階與多任務學習 (4) 遷移學習實作 |
6 |
二 |
時序資料預測建模 |
(1) 古典時間序列模型簡介 (2) 遞歸類神經網路與序列資料 (3) 長短期記憶及閘式遞歸類神經網路應用 (4) 故障預測健康管理(Prognostics Health Management, PHM)與失效時序資料建模案例 |
6 |
現任:
國立臺北商業大學資訊與決策科學研究所暨智能控制與決策研究室教授、CSQ大數據品質應用委員會主任委員
經歷:
明志科技大學機械工程系特聘教授兼人工智慧暨資料科學研究中心主任、美國辛辛那提大學工程與應用科學學院訪問教授、新加坡國立大學解析與作業學系訪問教授、西交利物浦大學計算機科學與軟件工程學系暨大數據解析研究院訪問教授、南京理工大學管理科學與工程學系訪問教授、中華R軟體學會創會理事長、臺灣資料科學與商業應用協會創會理事長、世新大學資訊管理學系副教授、中華大學企業管理學系副教授
專長:
人工智慧與統計機器學習、賽局理論應用、進化式多目標最佳化、等候網路、系統模擬、彈性製造與工業控制
著作:
大數據分析與應用實戰:統計機器學習之資料導向程式設計(東華書局總經銷)。鄒慶士、賴逢輝譯(2003),服務業作業管理,雙葉書廊(原著:Haksever, C., Render, B., Russell, R.S. and Murdick, R.G. (2000), Service Management and Operations, 2nd ed., Pren-tice Hall)。賴慶松、鄒慶士譯(2001),生產與作業管理,滄海書局(原著:David, M.M., Aquilano, N.J. and Chase, R.B. (1999), Fundamentals of Operations Management, 3rd ed., Ir-win/McGraw-Hill)。
※本課程適用【5人報名研習1人免費】活動,凡報名本課程皆可享有五人參訓一人免費之促銷方案,歡迎企業組團參訓。
方案(實體/數位同步) |
課程費用 |
課程原價(個人) |
7,000 |
團報專案-優惠價(5人同行1人免費) |
5,600 |
l 上課時間:111/11/15、11/22(二),上午9:30~下午4:30,共計12小時。
l 上課地點:工研院產業學院(台北),實際上課地點,請依上課通知為準。
l 招生人數:本班預計20人為原則,最低開課門檻為12人。
l 培訓證書:課程出席率達80%以上,由工研院產業學院發給培訓證書。
l 報名方式:
(1) 電子郵件報名:AnnieLee@itri.org.tw
(2) 連絡電話:02-23701111#316 李小姐
l 繳費方式:報名時可選擇信用卡線上繳費或ATM轉帳,主辦單位將於確認開班後通知您相關匯款資訊。
l 退費標準:若欲取消報名,請於開課前三日以傳真或email告知主辦單位,並電話確認退費事宜,逾期將郵寄講義,恕不退費。若您未於期限內申請退費,則不得於任何因素要求退費,惟可轉讓與其他人參訓。
l 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。
l 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。
l 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。
l 為尊重講師之智慧財產權,恕無法提供課程講義電子檔。
l 本課程需上機實作,請自備筆電上課。