尹相志

【尹相志深度學習實戰2】分辨你我他-AI影像辨識(基礎篇)

NT$3,000

＃人工智慧＃技術應用

尹相志老師獨家授課AI深度學習實戰課程-機器視覺基礎篇，總共3個課程單元、搭配3份上課講義、3個實作範例，帶你了解卷積神經網路的發展、「VGG」、「Google NET」、「inception V3」...各種演算法的優缺點和特色，結合實例、產業知識、論文講解，一次性學習人工智慧正確觀念。

NT$3,000

2019/11/08

尹相志深度學習實戰-實作檔案取得路徑

大家好， 本系列課程檔案下載區中的"實作檔案取得路徑.pdf"， 由於直接點擊連結，會無法順利到達正確頁面， 請學員以【複製】方式操作： 選取【檔案路徑】欄位中的網址 --> 【複製】--> 【貼至】瀏覽器中的網址列 造成您的不便還請見諒， 如有任何問題，請再反應給我們，謝謝。 TibaMe 助教

適合對象

1.想要了解AI深度學習、機器視覺、自然語言學習等基礎知識者。
2.害怕數學、程式又想瞭解AI相關知識者。
3.想有脈絡的了解AI趨勢和發展的學習者。
4.沒有時間到固定教室上課的學習者，都可透過TIbaMe的AI線上課程學習AI知識。
5.不想要在網路上東拼西湊尋找AI相關知識者。
6.想要更有系統的學習AI深度學習、機器學習的人。

你可以學到

➽ 想要參加AI的課程，卻總是因為課程中太多技術面知識，而卻步、猶豫？
➽ 網路上找尋AI相關資訊，太多片斷知識，光整理資訊就耗費精神，更遑論有效學習！
➽ 網路上的文章由不同的人撰寫，看來看去，資訊繁雜、來源不明，我該相信誰的？
➽ 資料數據集太複雜,如何取得增加練習機會 !

▍課程目標

➽ 你將學會：
1. 清楚知道卷積網路是什麼!
2. 了解卷積神經網路的完整脈絡發展、如何進行?
3. 由淺入深，了解機器如何可以模仿人類視覺，達成所謂的「機器視覺」。
4. 了解深度學習中各個演算法間的優缺點
5. 全新實作升級漢字識別、狗狼狐狸進階12種動物識別、鑑黃大師

▍課程重點

➽ Lesson 1 卷積神經網路是什麼
在這次深度學習的崛起中，卷積神經網路的發展是極其關鍵的因素之一，什麼是池化層、什麼是損失函數，尹老師將用生動的解說，梳理卷積神經網路發展脈絡，讓你不用數學也能了解箇中精華。
實作：什麼是卷積(azure notebooks)
除了學習基礎的Python影像處理基本技能外，更重要的是透過python來實作對圖片的卷積操作。

【2020實作升級】漢字識別

紮實的資料預處理以及資料增強策略

不迷信預訓練模型

AB Test是王道

提升分類模型正確率的小密技

➽ Lesson 2 那些成為經典的卷積網路們
卷積網路不是只有一種！尹老師將說明開山祖師--「LeCun的ConvNet」到Imagenet大賽曾獲得冠軍的「VGG」、「Google NET」、「inception V3」、「ResNet」這些演算化有何不同，並利用實作讓你更清楚這些設計的架構重點與其差異。
實作：狗、狼、狐狸、鬣犬傻傻分不清楚 (azure notebooks)
各位將會體驗下尹老師2016年在中國舉辦的首界人工智能大賽的出賽題目的簡化版，在這題不但會需要識別真實的動物，也要能夠識別那些抽象概念是來自於哪個實體動物(例如灰太狼是狼)，我們將學習使用VGG與Resnet來進行物體識別，以及學習數據增強的技巧。

【2020實作升級】狗狼狐狸進階12種動物識別

運用實際的動物資料集來測驗機器對於分化的能力看看訓練後的機器受到外力干擾後是不是還跟人類一樣具備識別能力

➽ Lesson 3 那些後起之秀的卷積神經網路們

不只是經典網路，各種改良技法在2016年開始大量湧出，課程將介紹幾個"後起之秀"，包括Dilated Convolution(空洞卷積)、DeformableConvolution(可變形卷積)、DenseNet(稠密堆疊卷積)、ResNext(Resnet改良版) 以及對應的設計思路。
實作：Whats in your eye (azure notebooks)
究竟卷積神經網路看到了什麼?在這個實作中我們就來將黑箱解密，讓各位看看卷積神經網路眼中的世界。

【2020實作升級】鑑黃大師

需要訓練一個模型，只要看到色情圖片就能識別出來，訓練集共1萬張圖片，測試集共5000多張

-VGG卷積網路

手把手式實作教學-

課程介紹

▍讓我們聊聊「機器視覺」、「卷積神經網路」吧！

卷積神經網路（Convolutional Neural Networks，CNN）是目前深度神經網路（Deep Neural Network）領域的發展主力，也是讓深度學習在近幾年有許多重大的突破主因。卷積神經網路的發展，讓電腦可以在圖片辨別上甚至可以做到比人類還精準的程度。

尹相志老師在本課程會從基礎的卷積網路理論開始入門，一路探討到怎麼用卷積神經網路讓機器可以模仿人類視覺特點(感知域、權重共享、空間可交換性)來實現現代的機器視覺。讓你輕鬆的瞭解整個卷積神經網路的發展、應用，探討各個演算法間的優缺點。課程會大量運用範例來說明，讓學習者不用看到一堆數學，就能感受這個領域的驚人發展與突破。

▍Lesson1 讓機器也能是我的眼

1-1 課程簡述
1-2 所謂的機器視覺
1-3 機器視覺如何參考人類視覺本質
1-4 卷積神經元的好處
1-5 什麼是卷積
1-6 池化層的貢獻
1-7 色彩的通道

▍Lesson2 那些成為經典的卷積網路

2-1 卷積網路的演進與架構
2-2 影響影像辨識發展的世界大賽--Imagenet
2-3 實作:(1)漢字辨識
2-4 影像辨識是在處理什麼---什麼是張量
2-5 實作:(1)漢字辨識--張量
2-6 如何收斂函數取得最佳解--損失函數
2-7 損失函數Softmax
2-8 實作:(1)漢字辨識--Softmax
2-9 Imagenet大賽四大冠軍模型
2-10 模型設計的核心思路
2-11 破壞性重建-Dropout隨機丟失
2-12 找到影像的重點-數據增強
2-13 batch normalization--防止梯度彌散
2-14 實作:(1)漢字辨識--batch normalization

【2020實作升級】漢字識別實作課綱

1-1漢字識別實作介紹

1-2實作策略技巧與訣竅

1-3使用 API 製作數據集

1-4自適應二值化

1-5腐蝕與膨脹

1-6資料預處理策略

1-7網路結構選擇

1-8提升分類模型正確率

1-9實作解說

1-10訓練結果與總結

2-15 重要的影像演算-VGG
2-16 重要的影像演算-Google NET
2-17 重要的影像演算-inception V3
2-18 重要的影像演算-ResNet
2-19 實作:(2)卷積看到了什麼-狗、狼、狐狸、鬣犬傻傻分不清楚

【2020實作升級】狗狼狐狸進階12種動物識別實作課綱

2-1動物認知識別簡介

2-2預訓練模型解說

2-3如何運用損失函數提升訓練效果

2-4測試預訓練模型ImageNet使用效果

2-5獲取數據集並進行數據增強

2-6以預訓練模型進行遷移學習

2-7執行結果

▍Lesson3 那些後起之秀的卷積網路們

3-1 新一代卷積神經網路的挑戰
3-2 解決池化層的問題-空洞卷積
3-3 卷積的突破-可變形的卷積
3-4 加速運算-模型壓縮
3-5 Face++的輕量級架構--ShuffleNet
3-6 壓縮與活化資料，最後一屆冠軍演算法:S-N-Net
3-7 不會丟失資料的提拉米蘇--DenseNet
3-8 除了深度、寬度還有分支基數--ResNext
3-9 較特殊的卷積神經網路
3-10 模型跨平台
3-11 實作:(3)鑑黃大師

【2020實作升級】鑑黃大師實作課綱

3-1透過神經網路進行搜索

3-2卷積神經網絡模型介紹

3-3如何判斷與選擇神經網絡模型

3-4實作鑑黃大師

3-5模型執行訓練結果

▍課程內容

➽ 3個課程單元
➽ 3份上課講義
➽ 3個實作範例→(卷積看到了什麼/物體識別-漢字大師/物體識別-鑑黃大師)

▍學習方式

1. 請先至「課程內容」檔案下載區，將課程講義與實作範例連結下載。
2. 瀏覽本課程的講義與實作內容。
3. 開始觀看課程影片。
4. 建議每周安排至少1小時進行學習；總學習期間安排在6周內。
5.尹老師將提供完整數據資料集,只需輸入一行指令(代號)即可獲得

▍本系列課程可依個人需求，單獨挑選課程學習或依課程順序學習。

系列課程連結：
▶︎【深度學習實戰1】秒懂AI深度學習-基本概念篇
▶︎【深度學習實戰2】分辨你我他-AI影像辨識(基礎篇)
▶︎【深度學習實戰3】分辨你我他-AI影像辨識(進階篇)
▶︎【深度學習實戰4】AI翻譯官-自然語言處理(基礎篇)
▶︎【深度學習實戰5】AI翻譯官-自然語言處理(進階篇)
▶︎【深度學習實戰6】AlphaGo的秘密-AI強化學習

★提醒您，本課程為原『尹相志深度學習實戰大師跨海教學直播課程』重新剪輯規劃的課程，為方便學員學習將原直播影片剪輯、規劃單元，更易於學員複習和學習進度追蹤。

▍課程內容獨家特色

➽ 透過生活化、有趣的實際案例，幫助你清楚了解AI深度學習是什麼！
➽ 用最少量的數學比例，讓你更了解絕對會扭轉未來的重大技術！
➽ 老師帶領實作練習：講解概念外還有範例練習部份，提供給學員進行操作練習！
➽ 藉由尹相志老師講解精選的論文內容與心得分享，掌握目前主流的研究方向。
➽ 學習有重點！萃取深度學習演算法中的重點項目教授學員。

▍尹相志老師獨家教學

➽ 尹相志老師Tibame獨家授課！其他地方找不到喔！
➽ 最強師資！尹相志老師擁有台灣與中國多年實戰經驗，告訴你更多業界實戰經驗！
➽ 絕對不會"太學術"！老師在業界超過10年相關資歷，透過親身經驗、產業案例讓學習內容更貼近實際。

▍跟著尹相志老師學習準沒錯

本次課程我們邀請到尹相志老師，尹老師在資料分析、人工智能業界擁有多年豐富的實戰與教學經驗，這次尹老師將藉由簡單易懂的講解，與生活化的例子，讓架構在複雜數學原理的深度學習，變得淺顯易懂，大大降低初學者的學習門檻。

學習前基本能力

1. 對AI有積極學習的心
2. 初學者建議先了解基礎機器學習概念(*可先學習第1堂基礎概念課程)>>點我前往
3. 如有基礎程式能力(Java, Python或C++)學習更快速

學習前準備

可上網的電腦、筆電、手機，進行線上學習。

Q: 請問在哪裡上課？上課時間？

此課程是『線上課程』喔！所以課程上線後，隨時隨地都可以透過手機、平板、與電腦在 TibaMe上看課程影片，沒有時間和地點的問題！

Q: 課程可以看幾次？

不限次數，沒有期限！TibaMe的線上課程都可以一直看一直看一直看！

Q: 可以問老師問題嗎？

當然！如您在購課前有課程內容相關問題，可以先至「課前提問」提出問題；上課後，對老師影片內容有任何不清楚，可以至「課程討論區」與老師同學一同切磋討論喔！

Q: 還有其他問題？

到 FAQ 看看更多問題解答。

課程資訊

課程時長 8 小時 58 分

課程共 6 單元 59 小節

7 個可下載的學習資源

提供完訓證書

提供制定學習計畫建議學習 6 週 (每週 1 小時)

關於講師

尹相志

●專長:
自然語言理解、人工智能算法開發、數據挖掘、商業智慧、分析型CRM、風險管理、數據倉庫

●經歷:
▻中國首屆人工智能大賽發起人與題目設計 (www.botchina.org)
▻現任亞洲資探技術長/Deepbelief.ai人工智慧科學家
▻曾任華院數據(上海)首席數據科學家，數據決策(台灣)技術長
▻台灣微軟特約講師與2006~2017年最有價值專家(MVP)
▻微軟Tech ED 2002, 2004~2015講師
▻和信電訊資深數據挖掘顧問
▻世新大學、德明技術學院資管系講師
▻曾任中華民國數據挖掘協會副秘書長
▻曾任數博網研發總監
▻曾任大衍(特力集團子公司)關係營銷數據挖掘顧問
▻國際化學奧林匹亞化學競賽世界銀牌

●學歷:
▻台灣大學新聞研究所碩士
▻台灣大學化學系

●項目經歷:
▻自然語言處理
▻Isobar 輿情監控，學習情感標注、實體識別、話題識別
▻數雲電商評論非監督自動歸類
▻Acer宏碁競爭品牌電商評論分析

●出版品
▻SQL Server 2008 R2 Reporting Services報表服務
▻SQL Server 2008 OLAP多維度分析
▻SQL Server 2008 Data Mining數據挖掘
▻SQL Server 2008 Reporting Services報表服務
▻Office PerformancePoint Server 2007 企業績效管理
▻使用SQL Server 2005 設計商業智能解決方案(MCITP考試編號70-445)
▻SQL Server 2005 Data Mining數據挖掘 -Office 2007 數據挖掘加載宏
▻SQL Server 2005 OLAP在線實時分析
▻SQL Server 2005 Reporting Services報表服務實務應用
▻SQL Server 2005數據挖掘聖經
▻SQL Server商務智能聖經
▻SQL Server 2000 Analysis Service數據挖掘服務

●尹相志老師翻譯著作
▻數據挖掘—顧客關係管理暨電子營銷之應用 J. A. Michael原著
▻數據挖掘理論與實務—顧客關係管理的技巧與科學 J. A. Michael原著
▻數據挖掘—因特網應用與顧客價值管理 J. A. Michael原著

課程簡述

所謂的機器視覺

機器視覺如何參考人類視覺本質

卷積神經元的好處

什麼是卷積

池化層的貢獻

色彩的通道

卷積網路的演進與架構

影響影像辨識發展的世界大賽--Imagenet

實作:(1)漢字辨識

影像辨識是在處理什麼---什麼是張量

實作:(1)漢字辨識--張量

如何收斂函數取得最佳解--損失函數

損失函數Softmax

實作:(1)漢字辨識--Softmax

Imagenet大賽四大冠軍模型

模型設計的核心思路

破壞性重建-Dropout隨機丟失

找到影像的重點-數據增強

batch normalization--防止梯度彌散

實作:(1)漢字辨識--batch normalization

重要的影像演算-VGG

重要的影像演算-Google NET

重要的影像演算-inception V3

重要的影像演算-ResNet

試看

實作:(2)卷積看到了什麼-狗、狼、狐狸、鬣犬傻傻分不清楚

02:30

新一代卷積神經網路的挑戰

解決池化層的問題-空洞卷積

卷積的突破-可變形的卷積

加速運算-模型壓縮

Face++的輕量級架構--ShuffleNet

壓縮與活化資料，最後一屆冠軍演算法:S-N-Net

不會丟失資料的提拉米蘇--DenseNet

除了深度、寬度還有分支基數--ResNext

較特殊的卷積神經網路

模型跨平台

實作:(3)鑑黃大師

漢字識別實作介紹

實作策略技巧與訣竅

使用 API 製作數據集

自適應二值化

腐蝕與膨脹

資料預處理策略

網路結構選擇

提升分類模型正確率

實作解說

訓練結果與總結

動物認知識別簡介

預訓練模型解說

如何運用損失函數提升訓練效果

測試預訓練模型 ImageNet 使用效果

獲取數據集並進行數據增強

以預訓練模型進行遷移學習

執行結果

透過神經網路進行搜索

卷積神經網絡模型介紹

如何判斷與選擇神經網絡模型

實作鑑黃大師

模型執行訓練結果

學習附件

03_讓機器也能是我的眼.pdf

9.06 MB

04 那些成為經典的卷積網路們.pdf

7.57 MB

05 那些後起之秀的卷積網路們.pdf

4.17 MB

02_實作檔案取得路徑.pdf

441.25 KB

2020實作講義-狗狼狐狸傻傻分不清楚.pdf

2.29 MB

2020實作講義-漢字識別.pdf

1.91 MB

2020實作講義-鑑黃大師.pdf

1.37 MB

購買此課程後，才能使用留言功能

或

沒有回應的問題

目前尚無任何討論主題

成為第一個發問的人！在問答中找到學習的捷徑。

關於講師

尹相志

主題課程

專業學程

就業養成

企業方案

人才媒合

【尹相志深度學習實戰2】分辨你我他-AI影像辨識(基礎篇)

最新討論

適合對象

你可以學到

課程介紹

學習前基本能力

學習前準備

關於講師

購買此課程後，才能使用留言功能

目前尚無任何討論主題

關於講師