AI機器學習與深度學習運用於醫學影像分析之開發實作(108.07.16-17)

上課地址:新竹市光復路二段295號3樓恆逸資訊電腦教室(位於工研院光復院區旁之帝國經貿大樓、永豐銀行樓上〕

時數:14

起迄日期:2019-07-16~2019-07-17

聯絡資訊:李苑如/03-5743810

報名截止日:2019-07-09

課程類別:研討會

活動代碼:0719060006

課程介紹

本課程內容透過AI深度學習和機器學習等方法,讓電腦自動學習和校正準確率大大提升,並透過NN、CNN、RNN、LSTM、RCNN各式類神經網路學習演算法,可應用於製造業人工視覺、自然語言處理、語意分析及醫學影像判讀等領域。同時在巨量資料中如何摸索出數據所要表達的意涵、提煉出「數據精華」是非常重要的課題,「機器學習」與「資料探勘(Data Mining)」便成為大數據時代中的重點領域。本課程現已成為大數據趨勢中的重點,預期將能帶領學員通過實作方法,靈活爬取大型網站的數據,並依照自訂規則獲得所需的數據。課程將配合Python程式範例介紹學習演算法,示範如何捕獲數據、訓練數據、創建模型、預測結果,圖表化、分析結果。課程內容也包含扎實的數據基礎、高等代數、概率及統計分析,將傳授數據分析相關知識和高等數學及數據分析基礎概念,參訓學員需具備基本程式語言基礎。

課程對象

具備Python程式設計相關經驗與基礎知識。

課程大綱

。人工智慧、深度學習介紹:TensorFlow安裝;Windows作業系統Python安裝;TensorFlow測試 。Tensorflow GPU介紹:安裝NVIDIA 的CUDA® Toolkit 9.0;安裝NVIDIA 的cuDNN v7.2.1;安裝Python的Tensorflow-GPU 函式庫;開發Tensorflow-GPU 程式;通過程式指定GPU或多個GPU執行運算;設定GPU顯示卡記憶體用量上限 。人工智慧程式的開發: 產生訓練數據;創建模型;編譯和訓練;測試正確率;預測;案例實戰-糖尿病預測;案例實戰-房價走勢預測;案例實戰-乳癌機率預測 。改善醫學數據MLP人工智慧類神經模型: 模型model不同的寫法;TensorFlow與Keras 函式庫的關係和差異;One-hot Encoding單熱編碼;處理多個的特徵值X;改善預測結果-深度學習訓練次數epochs;改善預測結果-增加神經元和隱藏層;改善訓練結果-增加訓練數據集;如何達到預測100%正確 。TensorFlow花的辨識-MLP:植物辨識數據庫--訓練和測試的數據;多層感知器模型MLP(multilayer perceptron) ;使用TensorFlow.keras 創建模型;Active Function ReLU、sigmoid和tanh;訓練模型;深度學習最佳化-最短路徑演算法;訓練大數據;實戰練習-判別植物的種類 。人工智慧乳癌的判別-MLP: Breast cancer classification;資料庫--訓練和測試的數據;多層感知器模型MLP(multilayer perceptron);使用TensorFlow.keras 創建模型;Active Function ReLU,sigmoid和tanh;訓練模型;深度學習最佳化-最短路徑演算法;訓練大數據;實戰練習-預測乳癌的機率 。TensorFlow 訪問模型和訓練結果:圖形顯示訓練過程;TensorBoard 的使用;保存模型和訓練後的結果;讀入使用訓練模型和訓練後的結果 。TensorFlow實戰圖形和手寫辨識MLP:手寫數據MNIST;下載和使用MNIST手寫數據;MNIST每一筆的Image數據內容;使用圖形顯示MNIST內的數據;圖形文字的辨識原理;特徵值增強度和單熱編碼;使用多層類神經MLP模型 。TensorFlow 卷積神經網路CNN:什麼是卷積類神經(CNN);使用CNN做手寫圖像辨識;CNN手寫辨識達到99%的辨識率 。實戰癌症X光圖辨識MLP:breast cancer histology image dataset數據;下載和使用breast cancer image dataset數據;breast cancer image dataset每一筆的Image數據內容;使用圖形顯示breast cancer image dataset內的數據;圖形X光的辨識原理;特徵值增強度和單熱編碼;使用多層類神經MLP模型 。TensorFlow 卷積神經網路CNN:使用CNN人工智慧機器學的方法;辨識乳癌的 Invasive Ductal Carcinoma (IDC);預測乳癌機率 。OpenCV環境安裝、使用和調試設置:OpenCV 2和OpenCV 3差異;Python 版本、Java 版本和C版本的差異;OpenCV 3和Python語言的處理;OpenCV 跨平臺開發技術和方法;顯示圖片、圖檔轉換;顯示影片、影片格式轉換;顏色調整、灰度;亮度調整、顏色過濾Hue;放大縮小旋轉;GUI 按鍵、文字、bar 等元件控制;繪圖效果,圓、線、點、方塊、倒色;畫面特效之模糊、清晰等多種畫面特效;獲取特定顏色;邊緣化 。OpenCV和TensorFlow卷積神經網路CNN即時辨識:OpenCV介紹;OpenCV 安裝和環境架設;OpenCV顯示圖片;OpenCV 手寫程式;即時手寫辨識APP-99%的正確率 。TensorFlow CNN 對彩色圖片的處理:圖片材質的訓練;圖片材質的數據庫處理;判別車輛動物:辨識 飛機、汽車、鳥、貓、鹿、狗、青蛙、船、卡車;Cifar-10影像介紹;輸入Cifar-10 影像辨識數據集;顯示圖形;預處理 Tensorflow.Keras的輸入數據;Onehot encoding ;CNN預處理Keras的輸入數據、進行訓練和判別 。OpenCV 和TensorFlow CNN 即時病患人臉判別和臉部辨識實名制:OpenCV顯示攝影機;OpenCV cascade;OpenCV 獲取臉部;OpenCV 儲存圖片;TensorFlow對人臉的訓練;TensorFlow 對人臉的預測;實際案例-即時使用和TensorFlow判別病患人臉的臉,並顯示出名字;實際案例-病患人員走動計數器 。使用TensorFlow CNN對灰階圖片的處理:圖片材質的訓練;圖片材質的數據庫處理;判別車輛動物-辨識 衣服、鞋子、靴子、褲子、外套、T袖;Fashion MNIST影像介紹;輸入Fashion MNIST影像辨識數據集;顯示圖形 。使用TensorFlow CNN 對瘧疾病患血液的檢測判斷:實戰練習-Malaria 瘧疾判別;圖片材質的訓練;圖片材質的數據庫處理;判別車輛動物:辨識 瘧疾病患的細胞和血液的檢測;Cifar-10影像介紹;輸入Malaria 瘧疾影像辨識數據集;顯示圖形;預測瘧疾機率;CNN預處理Keras的輸入數據、進行訓練和判別 。OpenCV判別攝影機中的多個物體:OpenCV 高斯邊緣化;OpenCV 計算面積;OpenCV多個物體獲取;OpenCV多個物體獲取儲存圖片 。OpenCV和TensorFlow CNN 即時物體判別:TensorFlow 對物體的訓練;TensorFlow對物體的預測;實際案例~即時使用和TensorFlow判別攝影機中的多個物體,並顯示出物體名稱 。Tensorflow 人工智慧跨平臺開發:Tensorflow 人工智慧 WebService開發;Tensorflow 人工智慧網頁開發;Tensorflow Java Android 開發;Tensorflow C 開發 。RNN和LSTM 人工智慧演算法實戰一〜音樂產生器:如何使用Keras中的LSTM神經網路生成音樂;Music21 的音樂格式;轉換Midi音樂到Numpy 格式;類神經的輸入數據;聲音訓練、準備訓練組、測試數據與預測;生成音樂;將結果轉回音樂;享受音樂;實戰-學習古典樂,並創作古典樂 。TensorFlow 語言文字解析:TensorFlow RNN介紹 。RNN和LSTM人工智慧演算法實戰二〜垃圾 eMail 判別器:文字轉數據;中文字處理;文字對照表的產生;文字訓練、準備訓練組、測試數據與預測;實戰-垃圾eMail判別器 。類神經和Active Function的數學演算法:ReLU 和Leaky Relu;sigmoid; tanh;ELU;Maxout;overfit;underfitting;Dropout;Max2D;Adam

附件

Pin It