尹相志

【尹相志深度學習實戰3】分辨你我他-AI影像辨識(進階篇)

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-機器視覺進階篇，課中將講解機器視覺的基本任務：「物體識別」、「物體檢測」、「語意分割」和「目標檢測」，並探究最火紅的人臉辨識、"GAN"演算法，並搭配4個練習示範、4份課程講義，為您打開AI影像辨識的學習大門！用生活化的實例講解AI影像辨識，輕鬆學習。

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？
➽ 學術論文太艱澀！我只是想要了解一般的AI知識和實作、業界導入知識，到底要去哪找？

▍課程目標

➽ 你將學會：
1. 你將可以在基礎影像辨識知識上，更進一步了解其設計思路
2. 了解卷積神經，包含ResNext(Resnet改良版), DenseNet(稠密堆疊卷積)是什麼
3. 了解機器視覺的三大基本任務：物體識別、物體檢測以及語意分割
4. 了解如何執行「人臉辨識」

▍課程重點

➽ Lesson 1 機器們從此大開眼界
本課程將講解機器視覺的基本任務：「物體識別」、「物體檢測」、「語意分割」和「目標檢測」，並為學員解釋，在為了追求更快速、簡便的卷積神經網路下，CNN-RCNN、CNN-Fast RCNN、CNN-Faster RCNN各有哪些優缺點？目前當紅的"Yolo"，則因什麼原因成為目前廣為使用的模型？這堂課中都有詳細的解說。
實作：自動駕駛街景分割
如何讓自動車能夠理解目前周遭的環境，語意分割扮演著極為重要的角色，我們將根據已標註的街景數據，來嘗試建置語意分割模型。

➽ Lesson 2 難以忘記你的臉-臉孔辨識
課程將探究已被廣泛運用的人臉辨識是如何進行，並講述該如何運用深度學習來進行臉孔辨識歷程。更會加碼講解臉孔辨識相關技術，並附上實作案例，讓你更易吸收運作原理。
實作：顏值檢測
在本次實作中將會根據人臉關鍵點的數據，帶領大家學習基礎的人臉檢測模型，同時還能標定出人臉的重要關鍵點位置。

➽ Lesson 3 以假亂真的GAN
談到深度學習DeepLearning，就一定會談"GAN"這個火紅的演算法。課程中你將了解什麼是"GAN"？其背後的原理又是什麼？不同GAN之間又有什麼不同？在這堂課都有精闢的解說。
實作：去背神器、破解驗證碼
我們將以微軟Ms Celeb人臉數據集為基礎，透過GAN來自動生成不存在的人像照片。

➽ Lesson 4 視覺是理解世界的關鍵
除了基礎任務之外，機器視覺還有更多驚人的應用，在本課程中將針對應用範圍較廣的超解析度圖片、風格移轉、圖像補全、自動上色等最新技術逐一介紹相關技術概念，同時也將會針對如何利用Transfer learning預訓練模型來遷移至其他的視覺任務。
實作：大藝術家
有了風格移轉模型，不管你多不擅長美術，深度學習都能讓你成為大藝術家。以後逢年過節不用在使用到處都看的到的罐頭圖片了。

<點擊 ↓↓> 取得組合優惠

課程介紹

▍讓我們聊聊「深度學習-影像辨識」吧！

最近各個大型車廠，都想要以自動駕駛智慧車輛測測市場水溫，而能讓自動駕駛車輛安全上路的功臣之一，便是深度學習-影像自動辨識，車輛透過錄攝影機，得到車前影像後，利用影像資料來進行機器學習，進而辨識出道路上的物件，以保障駕駛行車安全。影像辨識領域，是深度學習 (Deep Learning)領域中，最被廣泛使用的技術，舉凡安防監控、醫療影像、智慧家居、生產瑕疵品檢測等應用，都和深度學習的影像辨識技術息息相關。

本次課程是除了介紹幾個卷積神經後起之秀，包括ResNext(Resnet改良版), DenseNet(稠密堆疊卷積),等以及對應的設計思路，進而探詢機器視覺的三大基本任務：物體識別、物體檢測以及語意分割，並且探討目前廣為使用的人臉辨識是如何執行。

▍Lesson1 機器們從此大開眼界

1-1 從物件辨識到目標檢測
1-2 所謂的目標檢測
1-3 二階段模型
1-4 加速的CNN-RCNN
1-5 更快的CNN-Fast RCNN
1-6 在加速的CNN-Faster RCNN
1-7 一階段模型的優勢-Yolo
1-8 特徵金字塔網路-FPN
1-9 語意分割
1-10 實作：(1)驗證碼驗證、街景分割
1-11 全卷積網路
1-12 對於卷積網路的其他思路

▍Lesson2 難以忘記你的臉

2-1 被廣泛運用的人臉辨識
2-2 人臉辨識為何困難
2-3 機器如何進行人臉辨識
2-4 人臉辨識的第一步:人臉檢測
2-5 Dlib:最通用的人臉檢測工具
2-6 人臉辨識的第二步:人臉對齊
2-7 又小又精幹的人臉檢測模型:MTCNN
2-8 臉的數據庫:LFW
2-9 如何進行臉部識別
2-10 經典識別模型:Triangle loss
2-11 新的臉孔識別演算法
2-12 對抗式模型:讓川普辨識成希拉蕊
2-13 Deep Face深層換臉 :讓你轉換成金城武
2-14 實作：(2)顏值檢測part1
2-15 人臉重建
2-16 情緒辨識
2-17 實作：(2)顏值檢測part2

▍Lesson3 以假亂真的「GAN」

3-1 近期最火紅的GAN
3-2 GAN的原理原則
3-3 為什麼訓練不成功
3-4 無窮建模假設的問題
3-5 如何解決無窮建模的問題
3-6 平衡生成器與鑑別器的方法:BEGAN
3-7 GAN之間的比較
3-8 產生高清圖片:PGGAN、BIGGAN
3-9 實作：(3)去背神器
3-10 新型態的GAN:Conditional GAN
3-11 如何自由操控影像
3-12 解決沒有成對樣本問題:Cycle GAN
3-13 對抗式攻擊
3-14 實作：(4)去背神器、破解驗證碼

▍Lesson4 視覺是理解世界的關鍵

4-1 機器視覺還能做到什麼?
4-2 超解析度圖片怎麼來
4-3 什麼樣的圖片叫做清晰-峰值信噪比
4-4 圖片放大的好方法-Pixel shuffle
4-5 其他相關的演算法
4-6 風格移轉--什麼是風格
4-7 怎麼樣把風格遷移進去?
4-8 風格移轉相關重要論文
4-9 商用等級的風格移轉
4-10 風格移轉使用在圖片上色
4-11 圖像補全
4-12 實作：(5)DeepFake變臉-總統、歌后傻傻分不清楚
4-13 Transfer learning預訓練模型

▍課程內容

➽ 4個課程單元。
➽ 4份上課講義。
➽ 5個實作範例。
→(破解驗證碼/街景分割/顏值識別/去背神器/DeepFake)。

▍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2.5小時進行學習；總學習期間安排在4周內。
5. 如有任何問題，都可以在「課程討論區」中提出。

▍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。
➽ 課程資源隨課贈：課程的練習檔案、程式碼、講義都可在下載區下載。

▍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 11 小時 50 分

課程共 8 單元 89 小節

9 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 4 週 (每週 2 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

學習附件

06 機器們從此大開眼界.pdf

5.34 MB

07 難以忘記你的臉.pdf

4.60 MB

08 以假亂真的GAN.pdf

4.79 MB

09 視覺是理解世界的關鍵.pdf

5.61 MB

03_實作檔案取得路徑.pdf

445.52 KB

2020實作講義-大藝術家.pdf

3.28 MB

2020實作講義-街景分割.pdf

1.12 MB

2020實作講義-去背神器.pdf

9.45 MB

2020實作講義-越放大越清晰.pdf

2.28 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

職場進修

就業培訓

企業服務

【尹相志深度學習實戰3】分辨你我他-AI影像辨識(進階篇)

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