2019 暑期高效能運算課程

High Performance Computing and Big Data

從機器學習到深度學習

基本資訊

【日期】 2019/8/23(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 500 元，其他 1000 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

趨勢科技 周秉誼 技術經理

趨勢科技 核心技術部 技術經理

學歷： 國立台灣大學 資訊工程碩士 (2009)

經歷：

  1. 趨勢科技 (2012~迄今)
  2. 國立台灣大學 碩士後研究（研發替代役） (2009~2012)

專長：

  1. 機器學習
  2. 資料分析
  3. 雲端計算(Hadoop、Spark)
  4. 平行計算(MPI、OpenMP、CUDA)
  5. 高效能計算
  6. 演算法分析與設計

得獎經歷：

  1. KDDCup 2016: Top5
  2. Computer Go UEC Cup 2015: Top 6
  3. 2048 Bot Competition (Threes組) 2014: Third place
  4. KDDCup 2014: Top9
  5. NCHC Cup - HPC Hands-On Competition 2006: Champion

演講經歷：

  1. 台灣人工智慧學校校友年會(2018)
  2. HITCON Pacific 2016/2017
  3. KDD 2016: KDDCup Workshop
  4. 中華電信學院人工智慧技術與應用發展趨勢研討會(2016)
  5. 趨勢科技人機對弈解密派對(2016)

其他經歷：

  1. 東華大學白帽菁英萌芽計劃講師(2019)
  2. 台灣人工智慧學校講師(2018/2019)
  3. 台大計中HPC系列課程機器學習及深度學習講師(2017)
  4. 中山大學白帽菁英養成計畫講師(2016)
  5. 東華大學人工智慧之深度學習工作坊講師(2016)
  6. 中華電信研究院威脅情報服務教育訓練講師(2015)
  7. 台灣大學2B Hackathon企業導師(2015)
  8. 騰雲駕霧Big Data創意程式大賽雲端導師(2013)
  9. 台大計中HPC系列課程IBM SMP計算環境教學講師(2008)

工作內容：
著重在資料分析、威脅情報服務、及應用人工智慧與機器學習來解決資訊安全實務上的問題。並使用Hadoop等雲端計算平台進行Big Data資料分析產生全球資安情資，與Twitter、AWS、akamai、CHT等雲端平台進行資安合作與情資交流。 熱愛參加Open source、資料分析與機器學習的社群，及各種機器學習或人工智慧競賽。

詳細資料

課程簡介

隨著AlphaGo擊敗人類最高端的圍棋職業棋士，及在Atari遊戲或各式電子遊戲上令人驚嘆的表現，深度學習(Deep Learning)在短短幾個月內就成為家喻戶曉的最新科技名詞。各大科技公司都不約而同地紛紛投入深度學習的研究，並在短短的時間內將相關的研究成果應用在各項產品上。最近一波機器學習(Machine learning)和深度學習的發展，除了在資料分析和資料科學上的應用，更帶動了沉寂了一段時間的人工智慧應用的發展，也成為當代人工智慧最重要的核心技術。

而深度學習也可視為機器學習的一個分支，在研究和開發上有許多觀念和工具是相似的，甚至是一脈相傳的。在使用深度學習來研究開發之前，了解機器學習的原理和技巧也會對深度學習的研究開發有很大的幫助，也可以作為深度學習成果的比較基礎(Baseline)。

在實務上，傳統機器學習也常有令人眼睛為之一亮的地方。因為傳統機器學習可以直接與領域知識(Domain Knowledge)連結，對計算資源的需求也比較沒有限制，各種演算法和套件的發展也已非常成熟，因此在許多有特殊限制的使用時機中，傳統機器學習還是資料科學家的有力幫手。要使用機器學習和深度學習解決各種問題，最重要的事情就是要能評估(Evaluate)一個機器學習或深度學習模型(Model)的好壞，才能針對模型不足之處改善和加強、並選擇出最佳的模型。

本次課程將帶大家從傳統機器學習的原理出發，認識機器學習和深度學習，並介紹機器學習的評估方式。再經由機器學習和深度學習的常用程式套件介紹和python程式的實機操作，能更輕易的將機器學習跟深度學習應用到各種不同的研究和開發領域上。包括python程式和機器學習和深度學習套件的實機操作，以實作方式來認識與了解機器學習和深度學習。

在本課程中預計可以學習到機器學習和深度學習的套件使用、程式撰寫、和實務上的應用技巧，另外也會了解深度學習常見的硬體加速，和怎麼在計中的高效能運算環境使用機器學習和深度學習。

課程內容

  • 機器學習原理及常用演算法簡介
  • 機器學習套件scikit learn/xgboost/LightGBM介紹
  • 機器學習程式實機操作
  • 深度學習原理簡介
  • 常用深度學習套件介紹
  • 深度學習程式實機操作(Keras)
  • 深度學習Autoencoder/Embedding原理和應用簡介
  • 深度學習與硬體加速
  • 機器學習與深度學習在計中高效能運算環境的使用
  • 機器學習與深度學習的比較與未來
  • Q&A

    • 對象

    具備基本python或其他程式語言基礎，能簡單修改python程式內容。

    對機器學習和深度學習程式的應用與實際操作有興趣的軟體開發人員、資料分析人員及其他領域的研究人員。

    備註

    本課程不供餐，不提供上課證明或證書。