工研院產業學習網

　　「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 learning）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。

課程提供【數位同步學習】報名方案，歡迎學員報名參加。

1. 熟悉數位影像於電腦中的表現形式和影像處理方法。
2. 理解並能實作數位電腦視覺原理應用與具備活用 OpenCV 函式庫之能力。
3. 了解深度學習原理，並且有能力實作自己的視覺演算法或影像分析模型。

　　課程融入水質檢測資料、渦扇引擎資料、氣液壓系統感測資料、半導體製程資料、細胞分裂高內涵 篩檢、AIO 檢測資料等解說與演練，幫助學員瞭解不同情境與建模方法的異同，結合機械、電機、生醫、化工等工程領域知識，活用資料分析技術並抓住未來發展趨勢。

1. 建議學員需具備程式設計基礎，有志跨入AI人工智慧與深度學習、電腦視覺應用之大門。
2. 從事深度學習電腦視覺應用的工程師或專案人員，欲將電腦視覺深度學習方法應用在工作上，像是AOI（自動光學檢測）、無人駕駛、人臉識別、車輛識別、VR／AR、安防、機器人開發…等等。
3. 電機／電子／機械／資訊／生醫／工工／化工／土木／環工等相關工程師、資料分析師／科學家、程式設計師、醫師、教育人員、統計人員、公務機關人員。

1. 舉辦地點：台北學習中心，實際地點依上課通知為準! 線上方案為Webex線上會議室
2. 舉辦日期：115年5月4日（一）、5月5日（二），09:30am~16:30pm，共計12小時
3. 報名方式：線上報名
4. 課程洽詢：02-2370-1111 分機312 謝小姐

• 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、中華R軟體學會理事長、臺灣資料科學與商業應用協會理事長、CSQ大數據品質應用委員會主任委員
• 經歷：香港科技大學(廣州)工業信息與智能研究所訪問教授、國立臺北商業大學校務永續發展中心主任兼推廣教育部主任、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、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

1. 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。
2. 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。
3. 為確保您的上課權益，報名後若未收到任何回覆，請來電洽詢方完成報名。
4. 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。
5. 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。
6. 為尊重講師之智慧財產權益，恕無法提供課程講義電子檔。
7. 本課程需上機實作，請自備筆電上課。