電腦視覺的深度學習
教師: PengWen-Hsiao
2019/06/10

摘要

本課程獲教育部 AI 人才培育計畫補助
本課程的目標為帶領學員認識深度學習的基本概念,並介紹應用模型,讓學生能夠具備系統開發的能力。課程首先介紹深度學習的基本概念,並提供學員在面對不同特性的問題時,能夠選擇正確的方式來解決之。

對此,本課程首先說明深度學習的基本概念,帶領學員認識深度學習的工具, 並能了解深度學習最新的應用,期望學員能夠具備發展深度學習系統之能力。

課程目標

透過本課程的學習,學生能夠習得以下概念:

(1) 了解深度學習的基本概念

(2) 了解深度學習的工具,例如PyTorch, Tensor Flow等。

(3) 了解深度學習最新的應用。

(4) 具備發展深度學習系統之能力

授課教師

pws
彭文孝於2005年取得台灣交通大學博士,並於求學期間(2000-2001)與美國Intel微處器理實驗室合作進行國際標準化組織/國際電工委員會的細微粒可調性(ISO/IEC MPEG-4 Fine Granularity Scalability)研發。從2003年起,他致力於國際標準化組織/國際電工委員會(ISO/IEC)與國際電信聯盟電信標準化部門(ITU-T)的視訊編碼標準化處理,同時積極投入可視性視訊編碼(SVC)、高效能視訊編碼(HEVC)與螢幕內容編碼(SCC)標準制定。 他目前任教於台灣交通大學資訊工程學系,曾於2015年至2016年赴美國IBM Thomas J. Watson研究中心擔任訪問學者,參與著作包含60篇以上國際期刊/會議論文與60份以上 ISO/IEC與 ITU-T標準技術文案。研究領域包括視訊/影像編碼、深度/機器學習、多媒體分析,以及電腦視覺。  彭博士為IEEE電路與系統學會視覺訊號與通訊技術委員會成員(IEEE Circuits and Systems Society Visual Signal Processing and Communications Technical Committee),同時擔任該學會多媒體訊號與應用(Multimedia Systems and Applications)技術委員。他亦曾擔任多項國際會議的議程委員,包含2011年IEEE VCIP、2017 IEEE ISPACS,以及 2018 APSIPA ASC;2019年他擔任 IEEE ICIP的Publication Chair; 他也擔任IEEE ICME 與 VCIP的Area Chair、 IEEE ISCAS的Review Committee成員;同時也擔任  IEEE JETCAS的客座主編/客座編輯/高級編輯委員會成員。近期他獲選為 APSIPA 的特聘講師以及IEEE電路與系統學會視覺訊號與通訊技術委員會的主席當選人。

課程進度表

第1週:Machine Learning Basics

第2週:Deep Feedforward Networks

第3週:Convolutional Neural Networks (CNN)

第4週:Recurrent Neural Networks (RNN) - 1

第5週:Recurrent Neural Networks (RNN) - 2

第6週:Applications of Deep Learning to Computer Vision

評分標準

平時測驗:共 6 次,

Week - 1 ~ Week - 5 各佔 17%

Week - 6 佔 15 %

共計 100 %

通過標準


課程及格標準:60滿分:100分

先修科目或先備能力

Linear Algebra; Probability Theory

證書資訊

本課程證書費用:500元

如何申請證書?

1.點選右上方的「小白人」。

2.點選「證書下載」。

3.畫面即會轉到申請證書系統中,請點選「我要申請證書」。

4.點選「我要搜尋」開始申請證書。

詳細證書下載流程說明請點這裡