2019 暑期高效能運算課程

High Performance Computing and Big Data

深度學習三日實戰工作坊

基本資訊

【日期】 2019/7/17(三)、7/18(四)、7/19(五)

【時間】 ■09:10~12:00 ■13:20~16:10

【地點】 計中 212 教室（電腦教室）

【費用】 臺灣大學及國立臺灣大學系統 1500 元，其他 3000 元，名額40人

【主辦單位】國立臺灣大學計算機及資訊網路中心（臺大計中）

師資

四零四科技 李厚均 Isaac 工程師

講師介紹： Isaac畢業於台大電子所，主要專長為人工智慧及資料分析，擅長處理影像辨識、金融數據等問題。過去曾於多處擔任資料科學講師，同時，也曾在許多上市櫃公司擔任內訓講師及顧問，具有相當豐富的教學及實戰經驗。

學歷：國立台灣大學 電子所碩士

經歷：

  1. 四零四科技AI部門工程師
  2. 台積電AI企業內訓講師
  3. T客邦人工智慧講師
  4. TKB人工智慧講師
  5. 美國伊利諾香檳分校(UIUC)交換學生
  6. 交通大學電子系學士

專長：

  1. Computer Vision with Deep Learning
  2. Financial Data Analysis
詳細資料

課程簡介

隨著人工智慧(AI)時代的來臨，資料科學已成為一門重要的顯學，尤其是近年來深度學習(Deep Learning)許多重大的突破，更加速了許多智能化的應用及發展，也大大的改變每個人的生活。

現在，Deep Learning不只能讓電腦下棋下贏人類棋王， 在影像識別領域上，其辨識物體的錯誤率也已經達到小於人類的水準，這都顯示出其不可忽視的發展潛力，相信在不久的未來，將會有更多Deep Learning 驚人的結果跑出來。

本課程除了會帶領學生深入的探討常見之類神經網路及人工智慧的理論外，也會使用目前最夯的深度學習套件Google TensorFlow來帶學生實做並練習，課程的最後，講師也會分享一些自身的成功案例以及實務上經驗之分享。

課程內容

Day 1 Day 2 Day 3

09:00~12:00

人工智慧簡史

深度學習介紹

  • 深度學習的優勢是什麼
  • 什麼是深度學習

TensorFlow基礎操作

  • 計算圖的概念
  • 基礎運算方法
  • 優化器的使用

CNN類神經網路

  • convolution介紹
  • max-pooling介紹
  • 建構CNN類神經網路
  • 著名CNN類神經網路介紹

CNN類神經網路實戰

  • MNIST手寫辨識
  • 真實案例照片分類

Autoencoder類神經網路

  • 建構autoencoder
  • sparse autoencoder
  • de-noise autoencoder
  • VAE

Autoencoder類神經網路實戰

  • Autoencoder在 MNIST上之實作

GAN類神經網路

  • 建構GAN類神經網路
  • DCGAN介紹
  • CycleGAN介紹

GAN類神經網路實戰

  • GAN在MNIST上之實作
  • DCGAN在Cifar10上之實作
12:00~13:00 Lunch Time
13:00~16:00

DNN 類神經網路

  • 建構DNN類神經網路
  • 損失函數(mean square, cross-entropy)
  • 優化器(gradient descent, Adagrad, RMS, Adam)

DNN 網路實戰

  • MNIST 手寫辨識
  • Cifar10 圖像分類
  • Tensorboard 可式化

RNN類神經網路

  • Word2vect
  • 傳統RNN介紹
  • GRU/LSTM

RNN類神經網路實戰

  • MNIST手寫辨識
  • Word2vect
  • 垃圾郵件分類

強化學習

  • 強化學習的概念
  • 馬可夫決策過程
  • Q-learning介紹
  • DQN介紹

強化學習實戰

  • 實作Q-learning玩遊戲

AI真實案例與經驗分享

  • AI在各個產業真實之應用
  • AI實務經驗分享

*課程講義為英文

*以上各項目將視班級進度略有調整

對象

本課程適合對深度學習有興趣學員修習

建議至少會一種程式語言(python佳)

備註

1.本課程不供餐，不提供上課證明或證書。

2.如因報名人數過多，本中心得更換教室。請學員務必於上課前三日，上網確認上課地點。