AI技術自 2015 年以來重新熱燒,並帶動AI硬體加速晶片的發展。近年來隨著訓練成熟的人工智慧神經網路(ANN)模型逐漸增多,邊緣推論用的 Edge AI 晶片也蔚為潮流。
依據Deloitte Insight 2020年發表的高科技、媒體與電信產業趨勢預測報告,2024年Edge AI 晶片銷售量預計超過15億組,平均每年成長20%,相對於半導體產業平均年成長率9%高出許多。
本課深入介紹Edge AI的模型設計原理、技術及方法。讓學員們實際手腦並用、動手設計模型,
並運用耐能公司KL520晶片,以及Intel 的AI加速棒(NCS2)學習,其中,前者耗能較少適合運用在 IoT 裝置。
本課程另一項特色為:更讓學員們深入AI建模的核心:潛藏空間。各行業AI模型都有其神祕的潛藏空間(Latent Space),模型設計師愈來愈重視它。更關鍵的是,它是極佳的中間層(樹幹),既支撐上層AI應用(枝葉),又銜接底層晶片(樹根),成為台灣AIOC(AI on Chip)產業發展的康莊大道。
在深度學習網路的隱藏層,通常是濃縮顯著特徵的地方,是從用戶需求面看不見的,所以常稱為:潛藏空間(Latent Space)。於是,可觀察的數據層和晶片層變得疏結合(Loosely-coupled)關係(下圖),當可觀察層的需求及演算法變化所產生的漣漪效應不會波及晶片層;同樣,當晶片層更改時,它不會影響可觀察層。如此可大幅降低AI晶片開發的風險。因此,基於潛藏空間架構可以確保晶片底層設計變動的自由度,可以實現<沒錢就改版,改版就有錢>的商業策略。
培養學員具備AI晶片化視野,著眼於ML模型的潛藏空間(Latent Space)架構設計,支撐AI模組的復用性(Reusability),來提升晶片的共享性。新視野涵蓋以下8項要素:
亦即:
欲了解AI模型設計思維、開發技術、管理方法和晶片化商業策略者。其中,熟悉程式設計者,可以使用Python來操作TensorFlow;而不諳Python者,則可使用Excel來操作幕後的TensorFlow來訓練AI模型。並期望學習使用PLC和EDA等晶片設計環境。
高煥堂 教授
現職:長庚大學 智慧醫療研究所 教授
單元 |
內容 |
1、 人工智慧(AI)與機器學習(ML) |
|
2、ML與神經網路原理 |
|
3、 從一個完整的建模案例(GAN)出發 --- 使用Pytorch建模,及耐能KL520晶片進行推論 |
|
4、 AI模型的設計、優化與推論的流程 --- 以耐能KL520為例 |
|
5、 核心觀念:空間對映(Space-Mapping) |
|
6、 關鍵技術:潛藏空間(Latent Space)
|
|
7、 AI模型設計的雕龍十八招(一) 應用案例:語音(Speech)識別, |
|
8、 AI模型設計的雕龍十八招(二) 應用案例:BERT遷移學習 |
|
9、 AI模型設計的雕龍十八招(三) 應用案例:AR瑕疵檢測+耐能AI晶片 |
|
10、Edge AI實務經驗:分享 高煥堂指導的2021年Intel AI大賽亞軍作品 |
|
11、回顧:目前常見的AI晶片化模式 |
|
12、前瞻:全生態的AI晶片化新策略 |
|
一、主辦單位:財團法人工業技術研究院 產業學院
二、舉辦地點:工研院 新竹學習中心(實際上課地點請以上課通知單為準!)
三、舉辦日期:2022年7月27日~7月29日,09:30~16:30 (三天,共18小時)
四、課程費用:課程原價每人18,000元整(費用包含講義及教材費)
1.一般報名: 每人12,500元
2.早鳥優惠(開課10天前報名):每人11,800元
3.同公司團報兩人以上或工研人:每人11,500元
五、課程洽詢: 03-5732932 吳小姐 或 03-5732034黃小姐
六、注意事項:
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。
3. 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,請於開課前3日以E-mail或電話通知主辦單位聯絡人確認申請退費事宜。學員於開訓前退訓者,將依其申請退還所繳上課費用90%,另於培訓期間若因個人因素無法繼續參與課程,將依上課未逾總時數1/3,退還所繳上課費用之50%,上課逾總時數1/3,恕不退費。
4. 若原報名者因故不克參加,但欲更換他人參加,敬請於開課前三日通知。
5. 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。
6. 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。
7. 為尊重講師之智慧財產權,恕無法提供課程講義電子檔。
課程歡迎企業包班,詳細請洽黃小姐 03-5732034