or
AI應用於圖像處理基礎與案例
將先從AI應用於圖像辨識應用的各類神經網路原理進行介紹,接著說明各類神經網絡..
機器學習是人工智慧的一種,其應用於商業評估與分析、製程與產品的瑕疵檢測等,是現今最具商業應用價值的AI技術。根據Algorithmia調查報告,2020 年間,有 83% 的組織增加了對 AI 及 ML 的預算,聘用的數據科學家的平均數量年增 76%。即使是非統計或分析背景出身人員,由於AI技術應用於各類型產業工作的範圍擴大,擁有AI基礎能力已成為各類職務人員所必備。   本課程將先從AI應用於圖像辨識應用的各類神經網路原理進行介紹,接著說明各類神經網絡的優缺點以及應用案例,對於初踏入AI領域的職場工作者來說,本課程有助於釐清基本觀念,啟發學員未來於實務工作上有更多元且寬廣之應用。
收件人email:
寄件人姓名:
寄件人email:
AI應用於圖像處理基礎與案例
適合對象: 
課程代碼 2321070059
AI應用於圖像處理基礎與案例
課程型態/ 雲端自學
上課地址/ 線上課程(購買後即可觀看課程)
時數/ 1小時
聯絡資訊/ 謝小姐 03-5913417


 
標題的icon

課程介紹

  機器學習是人工智慧的一種,其應用於商業評估與分析、製程與產品的瑕疵檢測等,是現今最具商業應用價值的AI技術。根據Algorithmia調查報告,2020 年間,有 83% 的組織增加了對 AI  ML 的預算,聘用的數據科學家的平均數量年增 76%。即使是非統計或分析背景出身人員,由於AI技術應用於各類型產業工作的範圍擴大,擁有AI基礎能力已成為各類職務人員所必備。


  本課程將先從AI應用於圖像辨識應用的各類神經網路原理進行介紹,接著說明各類神經網絡的優缺點以及應用案例,對於初踏入AI領域的職場工作者來說,本課程有助於釐清基本觀念,啟發學員未來於實務工作上有更多元且寬廣之應用。


標題的icon

課程目標

  • 學員能瞭解並掌握各類神經網絡原理
  • 學員能透過課程熟悉各類神經網絡於視覺影像處理之應用案例
  • 學員能清楚掌握各類神經網絡的優缺點與應用時機


 
標題的icon

課程對象

※適合執行製程產線AI分析之製程工程師、品保工程師
-投入智慧製造,應用深度學習物件檢測、瑕疵檢測於製程開發、生產優化、產品品質領域之人員。

※本課程適合有意投入AI深度學習相關部門之演算法工程師、軟體工程師、物聯網工程師
-整合機器學習平台、視覺資料處理、模型預測等對深度學習具熱忱及欲投入相關工作者。

※本課程適合執行跨部門計畫之專案經理、專案人員等
-投入資通訊產業,從事產品開發或專案管理等跨部門溝通之管理者與工作人員,需要對深度學習有基礎的了解。


標題的icon

講師介紹

莊永裕教授
現任:國立台灣大學 資訊工程學系/資訊網路與多媒體研究所 教授
專長:電腦圖學、電腦視覺、數位特效製作、多媒體系統


標題的icon

課程大綱

1.影像辨識流程
2.神經網路原理
3.全連結(fully connected)神經網路
4深度學習用於影像辨識
5.捲基層(convolution layer)
6.捲積神經網路(CNN)原理與應用

7.辨識、分割、偵測
8.全卷積網路(fully convolutional network)
9.物件偵測(單一物件、多物件)
10.R-CNN(Region proposals+CNN features)原理與案例


標題的icon

課程資訊及報名方式

上課日期:隨時上課/購買後即可開通帳號
上課時數:1小時

課程費用:800
上課方式:線上課程
-學員完成報名與繳費後,將會於3-5個工作天收到觀看網址及開通權限通知。
-課程期間:從開通權限起,即可在1個月內無限次數的觀看與自主學習。


標題的icon

學習權益

※本課程為數位課程,無特定觀看日期,待報名且繳款完成後,由課程承辦人確認收款無誤後,將開通帳號以及提供觀看連結予學員,並享有付費期間內無限次數觀看權限。

※為確保學員的上課權益,報名後若未收到任何回覆,敬請主動詢問是否完成報名。

※數位課程同一帳號僅限本人使用,不得將參加課程活動之權利轉讓予他人。

※請報名學員遵守數位學習平台之隱私聲明相關規範。

 
  • *填寫報名表能讓開課單位更有效的處理您的資料,並優先處理您的需求!
  • 報名班別 
  • 報名人數   人
  • * 第1位報名者姓名 
  • ...................................................................................................................................................