NVIDIA JetBot快速掌握AI邊緣計算要領

NVIDIA JetBot快速掌握AI邊緣計算要領 [台北場]

上課地址:台北市中正區館前路65號7樓 701室 (館前聯合大樓;近台北車站) 實際上課地點,請依上課通知為準!

時數:7

起迄日期:2019-11-14~2019-11-14

聯絡資訊:楊小姐/03-5732978

報名截止日:2019-11-13

課程類別:人才培訓(課程)

活動代碼:2319090053

課程介紹

更快速、更簡單開發部署AI邊緣計算產品的方法

作爲NVIDIA®重點推廣的Jetbot邊緣計算學習平台,以全球首款同時解決性能、體積、功耗與價格等四大問題的Jetson Nano綜合性AI芯片為核心,預安裝豐富的Deep Learning配套開發資源(包括TensorFlowPytorchKerasYolo等)以及與樹莓派完全相容的40-pin接腳的APIAdafruitGPIO庫),徹底將“智(深度學習)”與“能(機電控制)”完美結合於一身,爲開發者縮短80%以上底層與周邊設備的開發時間與成本,成爲最快速開發邊緣計算設備的學習平台。

JetBot智能小車以優雅造型、簡化的硬體設備結構、平易近人的Jupyter 互動界面,搭建最輕易上手的邊緣計算學習平。本課程詳細說明與操作如何將深度學習(Deep Learning)、遷移學習(Transfer Learning)技術應用到Jetbot自動操控上,完成多個可以立即實踐的完整應用,包括目標物跟隨(Object Following)、躲避障礙(Collision Avoidance)、隨機尋找路徑(Find Path)等”模擬無人駕駛“的實作練習,學員能輕鬆掌握完整的AI邊緣計算知識圖譜,快速入門AI領域、體驗深度學習實戰流程、了解智能小車設計基礎知識,及構建自己的深度學習(包括自動駕駛、機械手臂控制)模型。

輔助JetBot課程部分還提供”現場獲得NVIDIA Jetson Nano學習證書“的指導,以及TensorRT 5.1.6加速引擎、DeepStream 4.0視頻分析軟體的使用與優化講解,學習之後可以自行根據所需進行深度調整。本課程學員可加入VIP互助式學習討論群,免費享受JetBot講師與同好專家們相關的技術諮詢。

課程特色/目標

n  課程目標

通過7小時的對JetBot系統架構的剖析及在以NVIDIA Jetson NANO為核心的智能小車平台上的程式編寫實作,完成小車從基於瀏覽器的遙控操控,到目標識別自動避障/跟蹤的項目實施,學員可以了解智能機器基本結構及基於視覺的人工智慧深度學習方法,在模型訓練/模型部署上的實現流程,包括基於TensorRT的模型優化及部署。


n  課程特色

Ø   完整性:

1.   NVIDIA Jetson Nano的深度學習(DLI)計算之上,加上Adafruit的機電控制API,透過多個實用的無人車模擬案例,實際操作Data CollectionModel TrainingApplication Deployment三步驟,完整執行”應用開發“的流程。

2.   本課程教學軟體完整地結合NVIDIA Jetson系列的深度學習環境(包括CUDACUDNNOpenCVTensorRTDeepStream),以及常用的深度學習框架(CaffeTensorFlowPytorchKeras等),並且整合高應用價值的Darknet-Yolo框架與OpenPose體態識別軟體。此外,本教學軟體還包括Jetbot所提供的CameraGamePadGPIO驅動程式介面,均可在Python環境中輕鬆調用。

 

Ø   實用性:

1.   AI邊緣計算的Top-Down知識圖譜入手,將碎片化的知識點拼成完整的應用

2.   透過實際操作,由淺入深、去蕪存菁地掌握細部的執行技巧

3.   所有案例均能適合”通用場景“,不需要在特定環境下操作或應用

4.   所有程序代碼完全開源,後續可以根據視角需求進行任意修改

 

Ø   便利性:

1.   Jetbot學習平臺以最少數量的電器元件(10個以內)搭建而成,可隨身攜帶

2.   自帶電池供電系統與無線WIFI設備,可在戶外環境(無網絡)下執行所有應用

3.   本課程教學軟體已將各種學習內容全部融合,無需更換TF

4.   所有控制都可以利用任何操作系統的PC/Notebook,透過Browser遙控Jetbot

 

Ø   延伸性:

1.   AI邊緣計算處於起飛階段,未來發展仍有非常大變化,因此我們爲學員提供一個終生免費的VIP技術交流,共同面對瞬息多變的技術與市場。

 

2.   邊緣運算三趨勢成形(1) On-Line Training 快速崛起,On-Device Training 將成為顯學、(2)Edge AI 晶片+ AI演算法」是全球邊緣運算技術發展趨勢、(3) 朝向AI機器學習為導向的應用生態系。https://www.itri.org.tw/chi/Content/NewsLetter/contents.asp無?SiteID=1&MmmID=5000&MSID=1036034731543070677

 

課程對象

 適合具有基本Python編程經驗的學員及開發者
 裝置Maker、機器人Maker、嵌入式系統開發者
 從事人工智慧系統規劃、建置與應用者
 從事人工智慧邊緣運算裝置、AI系統應用服務、系統整合等之研發人員及主管。
 從事人工智慧創新應用之市場研究及計畫管理開發經理人。
 對AI 智慧應用實務架構及技術,及應用服務感興趣者

講師簡介

陳泳翰總經理

 

【學歷】

Ø   香港理工大學信息管理研究所碩士

Ø   國立交通大學計算機工程學系學士

【經歷】

Ø   台灣/蘇州 吉浦迅科技有限公司總經理

Ø   中科院高性能中心副主任

【專業領域】

Ø   平行計算、嵌入式計算、深度學習應用

Ø   NVIDIA DLI CUDA認證講師、NVIDIA DLI認證

課程大綱

時間

課程大綱

時數

09:00

~

12:00

 

(含休息)

Ø  課程總體介紹:從JetBot學習平臺進入邊緣計算領域

Ø  JetBot平台結構,配套硬體指標及應用簡介及實作

1.  平台結構設計理念

2.  Jetson NANO硬體規格介紹

3.  Jetson NANO與周邊設備的連接方式40-Pin接口說明

4.  JetBot學習平臺硬體展開圖:周邊設備簡介

5.  實際應用場景所需的Mini Router的設定與使用

6.  啓動與使用JetBot學習平臺

《實》透過Jupyter檢查JetBotIO設備:

- CSI Camera (USB camera)

- 機電設備(JetBot前進、後退、轉彎)

《實作》透過Jupyter操作JetBot執行組合動作

- 自行修改代碼,調整速度、路線、控制面板等

 

Ø  Jetson Nano提供完整的深度學習(DeepLearning)資源及實作

n  深度學習簡述:神經網絡、資料、模型與框架的關系

n  Jetson Nano的深度學習Software Stack說明

《實作》執行Yolo-Darknet啓動不同CameraObject Detection

《實作》執行OpenPose姿勢(體態)辨識

《實作》Jetson Nano性能優化步驟

《實作》重新執行Yolo-DarknetOpenPose性能比較

附件、Jetson Nano開發環境安裝及過程中容易出錯的問題FAQ

確認NANO環境搭建:測試幾個深度學習samples

3

12:00

~

13:00

午餐

 

13:00

~

17:00

 

(含休息)

Ø  JetBot提供完整的遷移學習(Transfer Learning)開發資源簡介及實作

n  遷移學習簡述

n  JetBot的遷移學習Software Stack說明

《實作》透過Jupyter執行classification

採集資料 -> 訓練模型 -> 執行結果 -> 進行修正

《實作》延伸參考案例,自行定義與操作

《實作》用classification執行Collision Avoidance(避障)功能

《實作》用classification執行Finding Path(尋路)功能

n  邊緣計算應用開發新趨勢:Training vs Programming

- Deep/Transfer Learning與傳統視覺識別的差異

- 影響Learning辨識品質的關鍵:Data Collection的品質

 

Ø  NVIDIA Inference Engine – TensorRT簡介及實作

n  TensorRT 加速 inference 原理

n  TensorRT 工作流程

《實作》TensorRT加速YoloObject Detection性能

 

Ø  NVIDIA DeepStream 4.0視頻分析軟體簡介及實作

《實作》修改 config 檔,改變DeepStream 4.0工作與輸出

《實作》添加模型,改變DeepStream 4.0的功能

4














































































*主辦單位保留調整課程內容之權利

  • 課程學習中涉及的開發工具JetpackJupyter NotebookTensorRTTensorFlowOpenCVPyTorch。重點將集中於TensorRT
  • 學員需自備筆電或平板 (及電源線)

 


價格

1. 一般生:每人$18,000[設備+課程],含JetBot 智能小車套件一組 (可自行攜回使用);
若學員自有設備,只要課程,每人$9000[課程 Only]

*設備內含:

      • NVIDIA Jetson Nano Developer Kit *1
      • 32GB microSD card *1
      • 5V 6A DC電源 *1
      • Jetson NANO專用MIPI CSI 攝像頭 *1
      • 3D打印車一套(含輪子) *1
      • TT電機兩只及電機驅動板 *1
      • OLED顯示幕 *1
      • 行動電源 *1
      • 無線路由器 *1
      • USB/電線/螺絲等線材 *若干
  • 自備設備之注意事項:為確保設備完整性及相容性,請直接與鴻鵠國際朱經理聯繫,本課程不含學員自有設備之偵錯。朱經理: 02-2929-9388 #11Email: Email住址會使用灌水程式保護機制。你需要啟動Javascript才能觀看它

2.    [設備+課程]早鳥(11/05)優惠價 $16,000; [課程 Only]早鳥(11/05)優惠價: $8,000

3.    3人以上團報再享九五折優惠 (工研院除外):

費用

早鳥團報價(11/05)

團報價(11/06後,非早鳥)

設備+課程

$15,200

$17,000

課程 only

$7,600

$8,500

*學員需自備筆電或平板 (及電源線)*
* JetBot 小車正常使用下,由鴻鵠國際提供Jetson Nano保固一年及售後服務。
* 若您已有設備,可以只選”課程 Only”;另外若覺得一台不夠用,亦可以預加購套件 ($9,000)。

貼心提醒

 報名截止日期:2019/11/07[設備],2019/11/08[課程 Only]。因教室空間及教學、備料等考量,限20位學員,報名請早。

注意事項

1. 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。
2. 因須先預購JetBot 智能小車套件,開課前7天(11/07前),需先繳款,且無法退款,但可以更換他人。若原報名者因故不克參加,但欲更換他人參加,敬請於開課前七日通知。
3. 學員需自帶筆電及電源線
 
 

附件

Pin It