相關文章

93ff8c3fced3f22f911b78397ace8957 深度學習是目前人工智慧領域的顯學,本次講座先從一般性的發展講起,讓大家了解深度學習的特性以及威力,然後進入特定應用領域-自駕車。隨著許多企業陸續導入人工智慧相關技術去提升競爭力,在各產業的工作者已無法自外於這股浪潮,因此T客邦在2018年第一場講座邀請兩位有實務經驗的專家分享研究成果與觀察,為大家補充人工智慧能量。

為什麼要參加本場講座?

  • 許多企業開始導入人工智慧相關技術來提升競爭力,所有工作者都有可能受到影響。
  • 花一點時間吸收兩位講者精心準備的內容,快速提升人工智慧經驗值。
  • 到現場跟分享者與同好交流,或許就是未來的合作伙伴。

免費報名 1/29(一) 創客 Night #32 >>

創客Night X Mobileheroes月月小聚 - 講座說明

時間:2018年1月29日(一) PM7:00 - PM9:00 

時程、內容與講者

19:00~19:10 開場(T客邦主持人&通推小組代表)

19:10 ~ 20:30

主題1:深度學習的趨勢及開源技術工具介紹

講者:Isaac,人工智慧工程師暨資料科學講師

主題2:深度學習及其於自駕車之應用

講者:林哲聰,工研院機械所研究員

20:30 ~ 21:00 現場交流

地點:T客邦總部,台北市中山區民生東路二段141號6F (Google 地圖)

主辦單位:

 

合作單位:

我要參加:

Step1: 填寫報名表>>>

Step2:填完報名表後,會收到完成報名的 Email,活動前會發手機簡訊通知。

Step3:請多帶幾張名片來認識新朋友。

分享主題1:深度學習的趨勢及開源技術工具介紹

這個主題邀請到本身從事人工智慧應用開發的 Isaac 從業界觀點以及自身的開發經驗,分享相關資訊,包括:

深度學習的優勢:傳統人工智慧演算法在解決問題的時候,往往需要花費許多專家及人力去做特徵上的抽取,不只成本很高,更重要的是,所抽取的特徵也很容易因人為偏見而產生偏差,進而造成最終結果表現不佳。相較於以往的做法,深度學習能讓電腦自己去學習資料之間的關係,不只節省了抽取特徵的人力,同時所產生的特徵也比較客觀。

類神經網路是什麼:類神經網路又或者是說深度學習是目前非常熱門的機器學習演算法之一,其演算法的概念是參考人腦內神經元之架構,將多個神經元串聯再一起,藉由不斷加深整個類神經網路來使模型擁有更強大的學習能力,最後在餵給電腦大量的資料去學習並修正參數,以達到最後更智能化的系統。

深度學習最新的突破及應用:說到深度學習最新的突破及應用,那不得不提前陣子AlphaGo打敗人類棋王的事,除此之外,2017年10月,Deepmind又提出了加強版的AlphaGo zero,新版的AlphaGo zero除了可以打敗所有圍棋好手,更令人驚訝的是,它只花了21天學習就擊敗了之前所有版本的AlphaGo,同時也被認定為歷史上最強的「圍棋棋手」。除了下圍棋以外,深度學習近年來不管是在語音辨識、影像處理等領域都有驚人的突破,各式各樣商業化的應用也不斷湧現。

分享者:Isaac,人工智慧工程師暨資料科學講師

畢業於台大電子所,現任多處機構資料科學講師、MOXA 四零四科技人工智慧部門核心成員。專長為人工智慧及資料爬蟲,持續在許多場合擔任資料科學講師,具有不少相關實戰經驗,如:影像辨識、語意分析及金融數據探勘。

免費報名 1/29(一) 創客 Night #32 >>

分享主題2:深度學習及其於自駕車之應用

在自駕車領域,許多科技大廠投入相當多金錢人力研發相關技術,其中運用人工智慧領域中的深度學習技術是其中顯學,因此本講座第二場邀請工研院的專家來分享目前深度學習技術在自駕車領域的進展,包括幾個重點:

CNN:卷積神經網路(Convolutional Neural Network)一般使用縮寫CNN來稱呼,它與傳統的多層感知網路最大的差異在於多了卷積及池化這兩層,也就是因為這兩層而讓CNN擁有能夠「看」到圖像(或語音)細節的能力,而非像其它神經網路只是單純的提取資料進行運算,無怪乎近年所舉辦的視覺競賽,優勝者幾乎都是採用深度學習的CNN架構,本次我們將介紹CNN於物體偵測、影像分割上的經典模型,以及其在自駕車的應用上有什麼限制。 

GAN:生成式對抗網路 (Generative Adversarial Network, GAN) 顯然是深度學習領域的下一個熱點,Yann LeCun 說這是機器學習領域這十年來最有趣的想法 (the most interesting idea in the last 10 years in ML),又說這是有史以來最酷的東西 (the coolest thing since sliced bread)。生成式對抗網路解決了什麼樣的問題呢?在機器學習領域,回歸 (regression) 和分類 (classification) 這兩項任務的解法人們已經不再陌生,但是如何讓機器更進一步創造出有結構的複雜物件 (例如:圖片、文句) 仍是一大挑戰。用生成式對抗網路,機器已經可以畫出以假亂真的人臉,也可以根據一段敘述文字,自己畫出對應的圖案,但在自駕車上又會有怎麼樣的應用呢? 

RNN:循環神經網絡(Recurrent Neural Networks,RNNs)已經在眾多自然語言處理(Natural Language Processing, NLP)中取得了巨大成功以及廣泛應用,近幾年來其與CNN之整合亦產生了許多有趣的應用,例如Image Captioning,這樣的技術甚至可以運用在道路事件的預測,但這樣的技術如何實踐?

▼車輛偵測結果

▼行車路面分割結果

▼道路事件預測結果

分享者:工研院機械所研究員林哲聰

林哲聰老師為清華大學資工系博士,目前在工研院機械所擔任研究員,專長領域包括Computer Vision、 Image Processing、Pattern Recognition、GPS、Embedded System、iPhone Programming等等,曾到加州大學聖塔芭芭拉分校資工系擔任訪問研究員,積極參與競賽與各方好手交流,獲獎成績包括:

  • 2010伽利略創新大賽 台灣區季軍
  • 2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主
  • 2013 伽利略創新大賽 瑞士區冠軍
  • 2017 CVGIP 行人偵測競賽 亞軍
  • 2017 MOST 生成式對抗網路競賽 佳作

已於車用影像安全警示系統領域中發表過十七篇國際論文、十五篇國內論文,以及十三篇專利。

關於【創客Night X Mobileheroes月月小聚】

從2017年7月開始,T客邦創客基地與經濟部通訊產業發展推動小組(通訊大賽主辦單位)成為共同主辦單位,每月舉行資訊通訊領域的講座,通常會以技術實務或新科技為內容,邀請專家進行分享。並從2017年11月開始,邀請合勤基金會擔任合作單位,串連更多資源,讓講座主題更多元。

歡迎加入【創客基地】臉書社團 https://www.facebook.com/groups/maker.techbang/ ,這裡有最新的講座、課程資訊,並分享有趣的、有用的內容。歡迎分享您的作品,讓更多人知道。

↓↓↓↓全部介紹完畢,總該報名了吧!

【注意事項】

  • T客邦(以下稱主辦單位)保有修改活動內容之權力。
  • 本活動有名額限制,以報名時間為優先順序,報名成功會收到確認函以及入場簡訊。
  • 為提供訂購、行銷、客戶管理或其他合於營業登記項目或章程所定業務需要之目的,家庭傳媒集團(即英屬蓋曼群島商家庭傳媒股份有限公司城邦分公司、城邦事業股份有限公司、書虫股份有限公司、墨刻出版股份有限公司、城邦原創股份有限公司),於本集團之營運期間及地區內,將以 mail、傳真、電話、簡訊、郵寄或其他公告方式利用您提供之資料(資料類別:C001、C002、C003、C011等)。利用對象除本集團外,亦可能包括相關服務的協力機構。如您有依個資法第三條或其他需服務之處,得致電本公司客服中心電話 0800-020-299 請求協助。相關資料如為非必填項目,不提供亦不影響您的權益。

使用 Facebook 留言

發表回應

謹慎發言,尊重彼此。按此展開留言規則