工研院產業學習網

5G基礎建設逐漸普及與晶片效能的增進，「邊緣運算」已成為當前最關鍵的發展趨勢之一。

AI跟邊緣運算結合之後，Edge AI能更為廣泛地應用在安全監控、自駕車、交通管理、智慧醫療與智慧製造等不同領域。企業對邊緣AI需求持續看漲，使得微型機器學習(TinyML)近來發展越受到矚目，正因微型機器學習能在許多小型IoT或邊緣裝置上提供AI運算，成為加速實現邊緣AI應用的重要關鍵。

1.讓學員知道為什麼需要在物聯網的邊緣執行AI推論

2.讓學員理解機器學習管線(ML pipeline)的建置流程，包含為何神經網路可用於感測器資料分析，以及如何擷取時序資料特徵、如何準備資料集來進行訓練。

3.帶領學員快速建置、訓練神經網路並驗證其成效：實際使用Keras與TensorFlow框架來設計簡易的神經網路模型，學員將能理解重要的神經網路訓練參數設定並驗證其成效。

4.幫助學員如何針對開發板進行推論速度最佳化：需考量邊緣裝置的硬體規格(算力、功耗與記憶體等)，因此需要進行諸多最佳化運算才能在邊緣裝置上執行AI推論，包括量化、知識蒸餾與運算融合等技術。

5.教導學員使用訓練好的神經網路模型進行推論，由資料中取得更多有用的資訊，做出更多有趣的實務專案。

• 對於邊緣AI(Edge AI)、微型機器學習(TinyML)有學習興趣者
• 目前在公司從事軟硬體/韌體開發設計、嵌入式系統設計與開發、AIOT系統及應用開發等工程師或技術主管等
• 目前公司有計畫導入AI邊緣應用等從業人員

工研院特聘專業講師

【現任】CAVEDU教育團隊課程核心開發者

【專長】邊緣運算裝置、AI終端應用、機器人控制等

(一)深度學習介紹

-AI、神經網路與邊緣裝置發展

-註冊Edge Impulse

-安裝Arduino IDE

-基礎輸入、輸出互動應用

(二)專案實作-光感測器手勢辨識

-使用機器學習技術來分析光感測器資料，將可辨識三種或更多種手勢

-理解當神經網路成效不佳時，如何調整神經網路架構或加入更多資料來提升神經網路效能

(三)專案實作-加速度異常震動偵測

-分析三軸加速度計資料

-以洗衣機馬達為例，當馬達轉動發生異常時，可以偵測出來以免發生更嚴重的損耗

上課時間：113/11/27(三)，10:00-17:00，共6小時。

上課地點：工研院中興院區51館2C教室/新竹縣竹東鎮中興路4段195號(實際教室以上課通知為主)

報名方式：
◎線上報名：請學員前往工研院「產業學習網」報名課程
◎信箱報名：將報名資訊填完並寄至VHsieh@itri.org.tw 謝小姐
◎課程諮詢：有任何課程或報名上的問題，請洽服務專線03-5913417 謝小姐

• 課程原價：$8,000
• 早鳥優惠價/開課14天前完成報名：$7,200
• 團報優惠價：$6,900
• 課程費用皆含Wio Terminal開發板與實作材料，讓每位學員擁有專屬的學習套件，不僅課後可帶回去練習，更有助後續加快學會TinyML的運用。

★為確保上課權益，報名後或開課前未收到任何通知信件，請學員務必來電詢問是否完成報名。我們通常於開課前發送上課通知，敬請學員留意信件。

★因課前教材、講義製作及餐點等事項皆需提前準備，若您不克前來，請於開課前三日告知，以利行政作業進行並共同愛護資源。

★若原報名者因故不克參加，但欲更換他人參加，敬請於開課前二日通知。

★學員於開訓前退訓者，將依其申請退還所繳上課費用90％(上課當天臨時取消則不退費)，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，則不退費。