NVIDIA 認證課程

深度學習基礎理論與實踐
Fundamental Deep Learning

世界各地的企業都在運用人工智慧解決最困難的挑戰。專業醫療照護人員使用人工智慧加快診斷病患的速度和準確度。零售企業將其用於為客戶提供個人化的購物體驗。汽車製造商透過其讓私家轎車、共享交通工具和貨運服務更安全、更有效率。深度學習是一種強大的人工智慧方法，透過其所使用的多層次人工智慧神經網路，即可在物體偵測、語音辨識和語言翻譯等工作上達到最為先進的精確度。電腦可使用深度學習技術，從資料中學習和辨識出對專家編寫的應用軟體而言過於複雜或細微的模式。

在本實作坊中，你將進行電腦視覺和自然語言處理方面的實作練習，藉此瞭解深度學習的運作方式。你將會從零開始訓練深度學習模型、學習工具和技巧，追求高度準確的成果。也會學習如何運用免費提供的頂尖預先訓練模型，如此可以節省時間，並讓深度學習應用程式快速運作。

學習目標

參加本實作坊可學會：

  • 瞭解訓練深度學習模型所需的基本技術和工具
  • 熟悉通用的深度學習資料類型和模型架構
  • 透過資料增強來強化資料集以提升模型精準度
  • 運用模型之間的遷移學習，以更少的資料和運算達成高效率的成果
  • 使用現代的深度學習框架，更具信心地打造自己的專案

實作坊大綱

時程 程序項目
15 分鐘   概覽
  • 認識講師
  • 在 learn.nvidia.com/join 建立帳號
120 分鐘   深度學習的機制
   探索成功訓練深度神經網路所需的基本機制和工具：
  • 訓練你的第一個電腦視覺模型，以瞭解訓練過程。
  • 介紹卷積神經網路，提升視覺應用程式的預測準確度。
  • 運用資料增強技術加強資料集，並改善模型的歸納能力。
60 分鐘 休息時間
120 分鐘   Pre-trained Models and Recurrent Networks
   預先訓練的模型和遞歸網路：
  • 運用預先訓練的模型，快速解決深度學習的挑戰。根據連續資料訓練遞歸神經網路：
  • 整合預先訓練的影像分類模型，建立自動化狗門。
  • 據紐約時報的標題訓練模型自動產生文本。
15 分鐘 休息時間
120 分鐘   最終專案：物體分類
   運用電腦視覺建立模型，用以區分新鮮與腐壞的水果：
  • 建立並訓練可詮釋色彩影像的模型。
  • 建立資料產生器，充分利用小型資料集。
  • 透過結合遷移學習和特徵擷取技術，提升訓練速度。
  • 探討先進的神經網路架構，以及可讓學員進一步提升技能的近期研究領域。
15 分鐘   最後回顧
  • 回顧學習重點並回答問題。
  • 完成測驗並取得認證。
  • 填寫實作坊調查問卷。
  • 瞭解如何設定自己的人工智慧應用程式開發環境。

實作坊詳情

時間： 8 小時

必備基礎能力： 瞭解 Python 中的基本程式設計概念，如函數、迴圈、字典和陣列等

技術： TensorFlow、Keras、pandas、NumPy

測驗類型： 程式編寫技巧評估學員具有將深度學習模型訓練至高準確度的能力。

認證證書： 完成測驗後，參與者將會收到 NVIDIA DLI 認證證書，證明他們具有相關主題的能力，支援其專業職涯成長。