自強課程

課程名稱

【平日實體班】PyTorch深度學習模型實作(Lab) 熱烈招生中線上/實體

📢早安鳥方案：會員於12/1前(含)報名，可享超值優惠價8500元(記得加入會員才能享早鳥方案喔)
📣舊生續報優惠：凡曾上過林哲聰老師Pytorch系列課程，即可再折500元💥~煩請來電或來信告知!!

每位學員必須有自己的Google 帳號以在Colab進行實作

課程代碼：

13C354-1

上課時間：

12/23、12/30，星期一，09:00-16:00，共二週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：

9500元 (符合超值優惠價格者需送出報名表後，系統發出報名成功回函確認金額。)

超值優惠：

VIP企業會員價：VIP企業會員可享優惠價格 (按我)
會員優惠價： 會員於開課前七天完成報名繳費者可享會員優惠價 9000 元
團報價方案：會員2人同行，可享同行價 8500 元(須於課前告知)
會員紅利折抵：本課程歡迎使用紅利折抵，最高可使用 100 點

課程目標：

1.協助具Python程式語言基礎之學員學會運用PyTorch此深度學習框架開發深度學習模型
2.未來可銜接各類進階深度學習模型開發課程

課程特色：

PyTorch為FAIR (Facebook AI Research)於2017年所開放的深度學習框架，過去幾年在深度學習、電腦視覺、自然語言處理等頂會中的使用率，已經全面超越Tensorflow。相較於Tensorflow，PyTorch容易上手、搭建模型效率極高，程式碼卻更為簡潔，因此，許多最新的深度學習模型都是運用PyTorch實現。

近年來深度學習技術在各種機器學習任務上達到前所未有的突破，無論是影像分類、語義分割、物件偵測、甚至是影像生成每年都有巨大的進展，本課程除了簡介深度學習的基本原理以及訓練細節，還會介紹各種深度學習模型，例如影像分類的ResNet，物件偵測的YOLOv1-YOLOv7，語義分割的FCN/DeepLab，生成式對抗網路的DCGAN, Pix2pix, CycleGAN與CyEDA，近年來最火紅的生成模型-Stable Diffusion及其各種微調方式，例如Controlnet, Dreambooth, LORA, 以及Textual Inversion。
經過本次課程的洗禮，您將學會：
(1)從頭訓練一個深度學習網路，
(2)在訓練效果不佳時，如何有系統的調整超參數以提升辨識率，
(3)運用適當的模型解決工作上的需求，尤其是如何訓練一個能在效能與計算量間得到平衡的模型。

本課程所有的程式都將在Colab此雲端平台上開發，課程內容提供了實作範例所需要的資料以及程式碼，本次課程的內容包括了:
1. 深度學習(Deep Learning)簡介
2. 卷積神經網路之訓練細節簡介
3. 知名卷積神經網路(CNN)簡介
4. 基礎神經網路實作:比較神經網路倒傳遞以Python實作與運用PyTorch自動微分間的差異
5. 運用遷移學習之圖片分類模型實作: 運用Alexnet, ResNet進行人臉分類(使用CelebA dataset)
6. 物體偵測模型簡介與實作:實作YOLOv1-v7，每個模型都會使用不同的資料集來完成訓練，以突顯該代模型的特點
7. 語義影像分割模型簡介與實作:運用FCN/DeepLabv3實現行車場景之影像分割(使用CamVid dataset)
8. 生成式對抗網路簡介與實作:
(1)運用DCGAN實現人臉影像生成(使用CelebA dataset)並使用生成影像提高訓練資料量以提升人臉分類之辨識率，
(2)運用Pix2pix模型實現建築物影像轉換
(3) 運用CycleGAN實現馬變斑馬，
(4) 實作CyEDA以實現日夜影像轉換
9. Diffusion model以及Latent Diffusion Model: 原理以及如何將其用在影像生成
10. 生成模型Stable Diffusion及其微調: Controlnet, Dreambooth, LORA, 以及Textual Inversion

修課條件：

具備機器學習基礎知識、以及基礎Python程式開發經驗。

課程大綱：

1. 深度學習(Deep Learning)簡介
2. 卷積神經網路之訓練細節簡介
3. 知名卷積神經網路(CNN)簡介
4. 基礎神經網路實作:比較神經網路倒傳遞以Python實作與運用PyTorch自動微分間的差異
5. 運用遷移學習之圖片分類模型實作: 運用Alexnet, ResNet進行人臉分類(使用CelebA dataset)
6. 物體偵測模型簡介與實作:實作YOLOv1-v7
7. 語義影像分割模型簡介與實作:運用FCN/DeepLabv3實現行車場景之影像分割(使用CamVid dataset)
8. 生成式對抗網路簡介與實作1:運用DCGAN實現人臉影像生成(使用CelebA dataset)
9. 運用Pix2pix模型實現建築物影像轉換
10.運用CycleGAN實現馬變斑馬
11.實作CyEDA以實現日夜影像轉換
12.Diffusion model以及Latent Diffusion Model
13.Stable Diffusion及其微調:Controlnet, Dreambooth, LORA, 以及Textual Inversion

課程師資：

自強基金會林老師
現任瑞典Chalmers University of Technology博士後研究員

經歷
▻ 工研院機械所副研究員/研究員/資深研究員
▻ 馬來西亞偉特科技公司(ViTrox)研發顧問
▻ 馬來西亞10 EPOCH科技公司研發顧問
▻ 加州大學聖塔芭芭拉分校資工系訪問研究員

專長
電腦視覺、機器學習、深度學習及其在駕駛輔助系統以及自駕車之各種應用

主辦單位:

財團法人自強工業科學基金會