自強課程
課程名稱
【竹科管理局補助課程】智慧瑕疵偵測與分類(實作)
熱烈招生中
課程代碼:
13A316
上課時間:
113/7/4~7/25,每週四,18:30~21:30,共4次12小時。
上課時數:
12 小時
課程費用:
(以下費用已由竹科管理局補助80%)
3000元
(科學園區廠商優惠價格需送出報名表後,系統發出報名成功回函確認金額。)
超值優惠:
課程目標:
鑒於智慧自動化及智慧製造的快速發展,智慧瑕疵偵測、智慧瑕疵分類及智慧影像辨識技術日益重要,本課程的目標是讓學員快速了解:1. 如何抽取特徵以及如何使用特徵值進行分類。2. 人工智慧(Artificial Intelligent, AI)、機器學習(Machine Learning)與深度學習(Deep Learning)的基本概念及其差異。3. 什麼是卷積神經網路 (Convolutional Neural Network, CNN)以及如何使用CNN進行影像的辨識。
課程大綱:
1.人工智慧簡介(Introduction to Artificial Intelligence)
(1)人工智慧的定義、演進及應用
(2)機器學習(Machine Learning) vs. 深度學習(Deep Learning)
(3)類神經網路(Artificial Neural Networks, ANN)
(4)類神經網路在瑕疵分類上之應用
2.基於特徵值之物件分類 (Feature-based Object Classification)
(1)特徵抽取(Feature Extraction):幾何特徵、顏色特徵、直方圖特
徵、紋理特徵
(2)載入特徵值及數據處理
(3)物件分類法:分類樹、特徵比對、最近鄰分類器、KNN分類器
(4)迴歸(Regression)法預測/分類實作
(5)ANN預測/分類實作
3.卷積神經網路(Convolutional Neural Networks)
(1)卷積運算(convolutional Operation)與特徵圖(Feature Maps)
(2)卷積層(convolutional layer)的原理與功用
(3)激活函數(Activation Function)的原理與功用
(4)池化層(Pooling layer)的原理與功用
(5)捨棄層(Dropout layer)的原理與功用
(6)批次正規化(Batch Normalization)的原理與功用
(7)扁平層(Flatten layer)的原理與功用
(8)全連接層(Dense/Fully connected layer)的原理與功用
4.基於影像之物件分類 (Image-based Object Classification)
(1)將影像資料分成訓練組、驗證組及測試組
(2)影像資料的強化(Image Data Augmentation)與生成
(3)網路訓練參數的設定
(4)訓練過程的監控、Overfitting、Early-stopping、Resume
Training
(5)模型的存檔與載入
(6)以AI模型進行影像的分類
(7) CNN分類實作
(8)如何提高驗證精確度?
5.遷移學習(Transfer Learning)與ONNX(Open Neural Network
Exchange)
(1)人工智慧的定義、演進及應用
(2)機器學習(Machine Learning) vs. 深度學習(Deep Learning)
(3)類神經網路(Artificial Neural Networks, ANN)
(4)類神經網路在瑕疵分類上之應用
2.基於特徵值之物件分類 (Feature-based Object Classification)
(1)特徵抽取(Feature Extraction):幾何特徵、顏色特徵、直方圖特
徵、紋理特徵
(2)載入特徵值及數據處理
(3)物件分類法:分類樹、特徵比對、最近鄰分類器、KNN分類器
(4)迴歸(Regression)法預測/分類實作
(5)ANN預測/分類實作
3.卷積神經網路(Convolutional Neural Networks)
(1)卷積運算(convolutional Operation)與特徵圖(Feature Maps)
(2)卷積層(convolutional layer)的原理與功用
(3)激活函數(Activation Function)的原理與功用
(4)池化層(Pooling layer)的原理與功用
(5)捨棄層(Dropout layer)的原理與功用
(6)批次正規化(Batch Normalization)的原理與功用
(7)扁平層(Flatten layer)的原理與功用
(8)全連接層(Dense/Fully connected layer)的原理與功用
4.基於影像之物件分類 (Image-based Object Classification)
(1)將影像資料分成訓練組、驗證組及測試組
(2)影像資料的強化(Image Data Augmentation)與生成
(3)網路訓練參數的設定
(4)訓練過程的監控、Overfitting、Early-stopping、Resume
Training
(5)模型的存檔與載入
(6)以AI模型進行影像的分類
(7) CNN分類實作
(8)如何提高驗證精確度?
5.遷移學習(Transfer Learning)與ONNX(Open Neural Network
Exchange)
課程師資:
講師:邱教授
專長:自動光學檢測、電腦輔助設計、瑕疵偵測與分類
現任:中華大學 機械工程學系 特聘教授
專長:自動光學檢測、電腦輔助設計、瑕疵偵測與分類
現任:中華大學 機械工程學系 特聘教授
主辦單位:
國家科學及技術委員會新竹科學園區管理局
執行單位:
財團法人自強工業科學基金會
學員須知:
注意事項
※請前往竹科管理局廠商與單位名錄進行查詢,即可判斷公司是否為園區內廠商。
- 本計畫鼓勵女性學員報名參加培訓課程,必要時得優先錄取。
- 本計畫以竹科園區事業單位從業員工為主優先錄取,若有名額將開放有志進入園區就業人士報名參加。
- 防疫期間如有居家隔離、居家檢疫、自主健康管理且有呼吸道感染症狀等情形者,務必遵守中央流行疫情指揮中心防疫措施,請勿出席。
- 若遇不可預測之突發因素,基金會保有相關課程調整、取消及講師之變動權。
- 無紙化環境,輕鬆達到減碳救地球,即日起16小時以上課程結業證書或未達16小時課程上課證明皆以電子方式提供。
- 本課程不適用廠商VIP折扣優惠
- 課前請詳閱簡章之課程內容或利用課程諮詢電話。
- 課程嚴禁旁聽,亦不可攜眷參與。
- 優惠方案擇一使用。
☆課程費用包含:紙本講義及稅。(不供餐)
☆計畫補助課程不適用於其他基金會優惠方案及不可使用紅利點數折抵費用。
★計畫補助課程開課後,若因故無法上課,則不予退費。
✨針對園區廠商提供企業內訓課程規劃並享有優惠方案,若有需求可洽03-5623116分機3610鄒小姐。