自強課程

課程名稱

【竹科管理局線上補助課程】PyTorch深度學習模型全解析(從CNN到Transformer) 如期開班全線上

✨補助優惠價：會員於7/8前(含)報名：✨
　🥇園區內：2,000元/人。
　🥈園區外：3,000元/人。
📌任職於【科學園區廠商】優先錄取!　報名完成後將會由後端統一修改優惠金額。
<7/9起恢復原價，敬請把握!>

💥從 CNN 到 Transformer，一次學會影像分類、分割、偵測與生成模型的 PyTorch 全流程實作！💥

📌每位學員必須有自己的Google 帳號以在Colab進行實作

✨課程亮點✨
✅ 影像任務全面進化：AlexNet → ResNet → ViT、FCN → DeepLab → SETR、YOLO → DETR
✅ 生成模型從 GAN 走向 Diffusion 與 Stable Diffusion 微調
✅ 探索多模態模型 CLIP、BLIP、LLaVA，讓模型「看懂」影像並回答問題
✅ PyTorch + Colab 完整實作，從訓練、微調到應用
✅ 一次搞懂電腦視覺的核心技術脈絡

💥上課出席率需達７５％哦❗💥
🎁《優惠價》統一於確定開課後修改金額!

課程代碼：

15W302

上課時間：

7/12、7/19，星期日，10:00-17:00，共二週12小時。
※敬請留意：課程日期原定5/16、23(六)上課，因故異動至7/12(日)開課，敬請見諒。謝謝~

上課時數：

12 小時

上課地點：

網路線上

課程費用： (以下費用已由竹科管理局補助80%)

5000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： 4000 元(★繳費完成才算報名成功喔★)

課程目標：

📢 從 CNN 到 Transformer，全面掌握電腦視覺的技術變革！

過去十年，CNN 改變了電腦視覺的世界；如今 Transformer 正以驚人速度接棒，從影像分類、分割、偵測到多模態理解全面革新。本課程將帶你系統性解析這場「從局部卷積 ➝ 全域注意力」的技術轉型，並親手實作各種經典與前沿模型。

課程特色：

特色一、從卷積到注意力：從影像分類與影像分割出發
從 AlexNet、ResNet 到 Vision Transformer (ViT) 理解卷積與注意力架構的差異，並親手比較在 CIFAR-10 上的訓練結果。接著從 FCN 到 DeepLab、SETR，探討分割任務如何從局部特徵延伸至全域上下文建模。

特色二、偵測、生成與多模態：聚焦於物件偵測、生成模型與 Vision-Language Models (VLM)
(1)偵測任務：
從 YOLOv1–v13 的 anchor-based 設計，到 DETR、AnchorDETR、RT-DETR 的 set-based Transformer 架構，理解 DETR 如何以「object query」與「Hungarian matching」取代傳統 anchor。
(2)3D偵測模型（DETR3D、PETR）：
展示Transformer 如何應用於三維場景
(3)生成模型：
從 GAN (DCGAN,Pix2Pix, CycleGAN) 開始，介紹對抗訓練原理，再進入Diffusion Models，說明 DDPM、Palette、Stable Diffusion 與其微調技術（DreamBooth、LoRA、Textual Inversion）的原理與實作。
(4)多模態理解（Vision-Language Models, VLM）:
從 CLIP的對比式圖文對齊、到 BLIP2 的圖像描述與視覺問答（VQA），再到LLaVA、Gemma 的多模態對話系統，學生將學會如何讓模型「看懂」影像並以自然語言回答問題，體驗 Transformer 從影像感知邁向語意理解的最終形態。

修課條件：

瞭解深度學習基本原理、具備基礎Python以及PyTorch程式開發經驗。
歡迎：
➡ 想快速掌握 AI 影像模型演進脈絡的工程師/研究人員
➡ 想強化 PyTorch 實作能力的開發者
➡ 想接軌 Vision-Language 前沿技術的學習者

課程大綱：

🚀 Day 1-從卷積到注意力：影像分類與分割任務
從經典卷積神經網路到 Transformer 架構，理解影像分類與影像分割的技術演進與設計邏輯，並透過實作感受模型差異。
◼影像分類模型：AlexNet → VGG → ResNet → ViT
◼影像分割模型：FCN → DeepLab → SETR

🚀 Day 2-偵測、生成與多模態：從任務到整合應用
進階探討 Transformer 在物件偵測、生成式 AI 與多模態理解的應用，掌握最前沿的深度學習模型趨勢與實作。
◼2D 偵測模型：YOLOv1–v13 → DETR → AnchorDETR → RT-DETR
◼3D 偵測模型：DETR3D → PETR
◼生成模型：DCGAN → Pix2Pix → CycleGAN → Diffusion → Stable Diffusion 微調
◼多模態模型 (VLM)：CLIP → BLIP → LLaVA → Gemma

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

相關課程：