跳到主要內容區

1090605/1090619人工智慧工作坊-NVIDIA Jetson Nano機器學習入門-進階課程(需具有電資相關領域背景)

人工智慧工作坊-NVIDIA Jetson Nano機器學習入門-進階課程-1

一、課程介紹:

人工智慧如何影響人類生活?悲觀者說大量工作會消失,樂觀者則說有更多工作機會,十年後的工作會是什麼樣?你要怎麼找到自己的位置?AI很厲害,但也會犯愚笨的錯誤,信任它可能可以走得很遠,但是盲目的信任容易導致巨大的損失。關鍵是瞭解人工智慧的優點與缺點,能做什麼,不能做什麼。

邊緣運算、智慧邊緣:隨著終端物聯網裝置的運算能力提升,可期待在資料第一線就進行一定的資料處理來降低網路頻寬與中央處理器的成本。本課程使用低功耗的嵌入式裝置(Nvidia Jetson Nano)提供即時視覺智能判斷,提高低功耗的嵌入式裝置推理速度。

二、上課資訊:

人工智慧工作坊-NVIDIA Jetson Nano進階課程-1

場次

第一場

第二場

活動日期

109年6月5日(五)

109年6月19日(五)

活動時間

13:00~17:00

參與人員

電資相關領域的師生

供餐方式

結束後發放餐卷

活動地點

挺生大樓200教室

人數限制

35人

35

報名連結

http://ecs.ttu.edu.tw/files/87-1022-157.php?Lang=zh-tw

已額滿,請直接登記第二場次

http://ecs.ttu.edu.tw/files/87-1022-158.php?Lang=zh-tw

三、參與人員需具備電資相關領域背景的師生(若無電資領域背景,請報名初階課程http://ecs.ttu.edu.tw/files/14-1022-63971,r1-1.php?Lang=zh-tw)

四、講師:曾俊霖教師

五、課表:

時間

說明

13:00 – 13:45

人工智慧 Vs.機器學習 Vs.深度學習

13:45 – 14:45

單板電腦Jetson Nano 硬體架構

Ubuntu Linux Terminal & 指令操作

Dust-NV專案:Jetson-Inference

14:45 – 15:00

休息與交流時間

15:00 – 15:45

實作深度學習範例-Image-Classification

ML模型:ImageNet

辨識圖片中的物品

15:45 – 16:30

實作深度學習範例-Object Detection

ML模型:DetectNet

辨識物體與物體位置

16:30 – 17:00

實作深度學習範例- Segmentation

ML模型:SegNet

對訓練後的模型調整相關參數


 

瀏覽數: