企業方案
|
人才媒合

機器學習實戰_影像處理篇

機器學習實戰_影像處理篇

人工智慧學院 - 技術應用
基礎
5.4 小時
4,128
NT$2,100

近年來,在日常生活或是工業的自動化系統中,常常發現機器學習的蹤跡,隨著機器學習的應用趨近普及,如何應用機器學習於產業當中就變得非常重要,這門課採用實作導向的方式來探討機器學習,Alex老師會帶領你用機器學習來打造機器學習系統,並運用這樣的技術解決資料科學、影像處理以及電腦視覺中的不同任務。

課程公告

目前尚無任何課程公告

講師將會在這發佈與課程相關的公告或是通知課程內容更新的公告。
基礎課程
建議學習 3 週(每週 2 小時)
課程共 35 小節28 影片 ( 5.4小時 )7 測驗
icon_info_certificate提供完訓證書
提供制定學習計畫什麼是學習計畫?

課程目標



1. 學會寫Python程式來開發機器學習模型,並了解運作原理
2. 學會分析數據並探討變數間的因果關係
3. 學會將數據資料降維、萃取更具代表性的特徵
4. 學會如何基於特徵進行物件分類
5. 學會運用Scikit-Learn函式庫
6. 擁有實際機器學習建模與影像分析的能力




▲特色一:實作引導,讓你對機器學習的技術豁然開朗
1. 本課程強調"How to  do" 以明顯易懂的觀念,帶你掌握機器學習最核心的觀念與技術本質
2. 提升學習"有效性",在每一個原理和演算法解說後,都會搭配程式範例,讓學員進行實作演練
3. 透過講師講解,讓學員實際演練並修改老師範例程式~ 達到預期輸出、理解程式碼內容,
    讓你快速上手機器學習所及分析方法,包括線性迴歸、物件類別分類、影像分割與資料降維。
    讓您上完課,馬上就能實際演練與分析


▲特色二:縮短學習時程,確保產出
1. 現階段影像處理分析技術 廣泛應用在電子、資訊、金融、零售、醫療、通訊、文通等領域,
    這門課帶領你 以機器學習技術,運用
coding 解決過去難以分析的影像分類與辨識
2. 老師將藉由這堂課帶領你~將演算法對焦正確問題並進行分析。
    歡迎學員將實際場域所接觸的相關AI分析技術,在討論區與講師多交流討論~
    ★將更能幫助您縮短學習時程與產出★

▲特色三:專業講師實務親授
本課程由TibaMe專業講師親授,將多年的開發經驗淬鍊在教學內容中,幫助學員快速掌握技術關鍵,跨越自學卡關的障礙,並能迅速應用於你感興趣的關連性數據分析與電腦視覺


課程介紹

1. 以機器學習技術,應用於科學資料分析,成為必備的專業技能。
    藉此找出資料間的規律以及因果關係,因應我們想解決實際場域的各種問題,
    例如:以各種身體指數,分析並預測病人的健康程度

2. 在電腦視覺領域,運用機器學習技術降低資料的維度、萃取更有用的影像特徵,並結合分類器~
    實現影像類別區分與人臉辨識。相似的技術可延伸應用至: 手寫數字辨識or人臉打卡等系統開發

1. 運用機器學習在自身之專案任務
2. 運用機器學習建模與迴歸分析
3. 運用K-Means演算法實現資料分群
4. 運用SVM進行基於誤差的分類任務
5. 運用決策樹及隨機森林進行基於資訊的分類任務
6. 運用PCA主成分分析來實現資料降維



1, 糖尿病預測及判定
(1)線性迴歸是一種迴歸分析技術,機器學習中使用的演算法之一,使用scikit-learn的糖尿病病人的數據集(性別、年紀、BMI指數等特徵)完成一年後得糖尿病機率的預測。
(2)羅吉斯迴歸(Logistic Regression)所探討的依變數(Y)主要為類別變數,特別是分成兩類的變數(例如:是或否、有或無…等)實作結果是依據各種人體指數,例如以BMI與age(年齡)判定是否有糖尿病。

  
                                                   

2, K-Means演算法,進行影像分割(Segmentation)
-將影像中每個像素的RGB值進行分群,以達到影像分割之功效


3. SVM支持向量機,進行(濃妝 vs 非濃妝)人臉分類
-從圖片中提取HOG特徵,再利用SVM來進行影像分類


4.決策樹(Decision Tree),進行鳶尾花分類
-基於資訊增益完成資料分類




5.主成份分析+羅吉斯迴歸(Logistic regression),進行文字分類
-運用PCA進行資料降維,結合Logistic regression實現文字分類







誰適合學習這門課程呢?



1. 想將機器學習應用於專案的專案管理人員

2. 具備程式設計能力但不具備開發AI功能的程式設計師
3. 對於數學或統計相關科系畢業想增加自身技能的社會新鮮人
4. Junior機器學習、電腦視覺或資料科學工程師



學習前需要有什麼基本能力呢?

1.Python程式基礎
2.曾經修習線性代數或是機率等相關課程 

學習前需要準備什麼呢?

-電腦(不限廠牌、作業系統不限 )
-Google帳號(登入GoogleDrive使用Colab雲端程式開發平台)



基礎課程
建議學習 3 週(每週 2 小時)
課程共 35 小節28 影片 ( 5.4小時 )7 測驗
icon_info_certificate提供完訓證書
提供制定學習計畫什麼是學習計畫?
關於講師
Alex Lin

學歷|
▻ 台灣科技大學機械系學士
▻ 台灣大學應用力學研究所碩士
▻ 清華大學資訊工程研究所博士

經歷|
▻ 現任瑞典Chalmers University of Technology博士後研究員
▻ 工研院機械所副研究員/研究員/資深研究員
▻ 加州大學聖塔芭芭拉分校資工系訪問研究員
▻ 工研院產業學院講師
▻ 清華大學自強基金會講師

專長|
電腦視覺、機器學習、深度學習及其在駕駛輔助系統以及自駕車之各種應用

獲獎經驗|
▻ 2020 中華民國資訊學會碩博士最佳論文獎-博士論文佳作
▻ 2020 中華民國影像處理與圖形識別學會第十三屆博碩士論文獎-博士論文佳作
▻ 2020 AI智慧應用新世代人才培育計畫-人才解題實證(倒車攝影機影像識別-障礙物與逼近偵測): 佳作
▻ 2019 IEEE ICIP Three Minute Thesis Competition (3MT®): Finalist
▻ 2018 第八屆兩岸清華研究生學術論壇 清華大學代表
▻ 2017 CVGIP 行人偵測競賽 亞軍
▻ 2017 MOST 生成式對抗網路競賽 佳作
▻ 2016 日本立命館大學英文演講比賽 清華大學代表
▻ 2013 伽利略創新大賽 瑞士區冠軍
▻ 2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主
▻ 2010 伽利略創新大賽 台灣區季軍
▻ 著作 上奇資訊-計算機概論 共同譯者





課程大綱


  • 1.機器學習
  • 何謂機器學習


    04:21

    何謂監督式學習


    03:57

    何謂非監督式學習


    04:29

    Google Colab 簡介


    04:20

    第一單元 QUIZ


    共5題
  • 2.機器學習的第一個演算法
  • 線性迴歸


    12:46

    線性迴歸實作:糖尿病預測


    08:06

    第二單元 QUIZ


    共5題
  • 3.你該掌握的其它幾種迴歸
  • 嶺迴歸


    18:48

    套索迴歸


    12:22

    彈性網路


    02:49

    模型比較


    05:33

    邏輯迴歸


    15:12

    邏輯迴歸實作:糖尿病判定


    12:05

    第三單元 QUIZ


    共10題
  • 4.分群法
  • K-平均演算法(K-means)


    09:33

    K-means 實作:影像分割


    14:28

    均值漂移演算法(Mean-Shift)


    06:49

    最大似然估測


    15:45

    最大後驗估測


    12:03

    最大期望演算法


    15:15

    第四單元 QUIZ


    共10題
  • 5.基於誤差的分類方法
  • K-近鄰演算法(KNN)


    16:07

    支持向量機(SVM)


    24:21

    支持向量機 SVM 實作(一) :找出支持向量與比較不同版本的 SVM


    07:55

    方向梯度直方圖與多類別分類


    09:21

    支持向量機 SVM 實作(二):濃妝與非濃妝人臉分類


    14:37

    第五單元 QUIZ


    共10題
  • 6.基於資訊的分類方法
  • 決策樹


    17:09

    決策樹實作:鳶尾花分類


    05:51

    隨機森林


    11:52

    第六單元 QUIZ


    共5題
  • 7.資料降維
  • 主成份分析


    24:47

    主成分分析實作:找出資料的主軸,運用找出的主軸實現降維,並利用 Logistic Regression 實現文字分類


    11:46

    第七單元 QUIZ


    共5題

課程附件


file-icon
1.Machine_Learning_General_introduction.pdf
397.02 KB
file-icon
2.Linear_regression.pdf
684.26 KB
file-icon
3.Other_regression.pdf
1.36 MB
file-icon
4.Clustering.pdf
1.99 MB
file-icon
5.Error-based_classification.pdf
1.71 MB
file-icon
6.Information-based_classification.pdf
2.23 MB
file-icon
7.Dimensionality_Reduction.pdf
434.86 KB

購買此課程後,才能使用留言功能

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。
功能表
優惠活動
  • 【居家防疫自學電繪新選擇】Q版人物關鍵畫法全攻略(6/30止)

  • 【搶救疫情業績】你必學的3大廣告投放(超早鳥優惠至6/14止)

  • 【購課贈書】購買「老師希望你別再說錯的 英語易混淆字」即贈實體書

  • 【疫情嚴峻】實體課程銜接直播學習優惠

  • 【補助50%】AI產業應用課程(真人直播)

  • 【發問再享好康】數位行銷學院免費選課諮詢

  • 會員學習心得大募集!完成指定任務拿85折課程優惠券