「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 deep Learninglearning)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。
因應新冠肺炎(COVID-19)防疫規範,課程提供【數位同步學習】報名方案,歡迎學員報名參加。
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。
單元 |
課程大綱 |
電腦視覺與 卷積類神經網路(CNN) (6小時) |
1. OpenCV與電腦視覺基礎 2. 類神經網路設計與卷積類神經網路基礎 3. 卷積類神經網路進階與多任務學習 4. 遷移學習實作數據處理方法 |
時序資料預測建模 (6小時) |
1. 古典時間序列模型簡介 2. 遞歸類神經網路與序列資料 3. 長短期記憶及閘式遞歸類神經網路應用 4. 故障預測健康管理(Prognostics Health Management, PHM)與失效時序資料建模案例機械業、製造業等應用數據案例解說 |
1.線上報名:點選課程頁面上方的「線上報名」
2.傳真報名:填妥報名表傳真至 02-23811000
3.email報名:填妥報名表email至 itri535842@itri.org.tw
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、CSQ大數據品質應用委員會主任委員
經歷:
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、中華R軟體學會創會理事長、臺灣資料科學與商業應用協會創會理事長、中華品質評鑑協會常務監事、中華民國品質學會大數據品質應用委員會主任委員、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
專長:
人工智慧與統計機器學習、大數據與資料科學、賽局模型應用、進化式多目標最佳化、等候網路、系統模擬、時間序列分析與工業控制
著作:
鄒慶士 著 (2019),大數據分析與應用實戰:統計機器學習之資料導向程式設計,東華書局總經銷。
鄒慶士、賴逢輝 譯 (2003),服務業作業管理,雙葉書廊 (原著:Haksever, C., Render, B., Russell, R.S. and Murdick, R.G. (2000), Service Management and Operations, 2nd ed., Prentice Hall)。
賴慶松、鄒慶士 譯 (2001),生產與作業管理,滄海書局(原著:David, M.M., Aquilano, N.J. and Chase, R.B. (1999), Fundamentals of Operations Management, 3rd ed., Irwin/McGraw-Hill)
※本課程適用【5人報名研習1人免費】活動,凡報名本課程皆可享有五人參訓一人免費之促銷方案,歡迎企業組團參訓。
方案(實體/數位同步) |
課程費用 |
課程原價(個人) |
8,000 |
早鳥優惠(14天前) |
7,800 |
2人以上團報優惠 |
7,200 |
3~4人團報優惠 |
6,800 |
團報專案-優惠價(5人同行1人免費) |
6,400 |