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

上課地點：

清華大學第四綜合大樓(清華大學東側門入口處左手邊即為自強基金會大門入口/清大郵局左側)

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：

科學園區廠商優惠價： 2000 元(★繳費完成才算報名成功喔★)

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)

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

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：

報名與繳退費方法｜常見問題與解決｜會員紅利積點活動辦法

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。