【新竹創客講座】當AI遇到Maker，會迸出什麼火花？

很高興再一次受MakerPro邀請分享個人AI相關心得，本次講義內容大致上和之前二月在南科【一次搞懂！人工智慧能吃嗎？】那場類似，不過我更新了許多頁面，同時此次分享比較著重在後半段，會有較多的口頭說明，所以沒有現場參予的伙伴們，只能說聲對不起了。

另外本次分享內容中加入了最近我寫的幾篇文章，歡迎有興趣的伙伴們自行點閱下面連結：

人工智慧AI晶片與Maker創意接軌

深度學習，從「框架」開始學起

【Maker玩AI】使用Google Colaboratory免費資源學AI，正是時候！

※若看不清簡報內容時，煩請點擊圖片放大。

【Maker玩AI】使用Google Colaboratory免費資源學AI，正是時候！

去（2017）年科技部喊出臺灣正式進入「人工智慧(AI)元年」預計在五年內投入160億台幣。臺灣人工智慧學校在各大企業贊助及學研單位的投入教學下，經過三個多月密集培訓，已於今年四月底培訓出第一批五百餘名的技術及經理人員。

經濟部工業局也為了協助國內大型企業導入人工智慧技術，積極推動企業出題，新創團隊解題的「AI⁺ Solution Match人工智慧加值應用商業媒合」活動，並鼓勵各民間企業主動提出「AI主題式業界科專」。

在這種氛圍之下，身為創客的我們怎能錯過展現好點子落地的大好時機呢？接下來就為大家介紹如何取得及應用免費的AI實驗場域資源「Google Colaboratory」。

應用Google Colab免費GPU資源來完成影像二元分類

最近在朋友的推薦下得知Google竟有提供免費的GPU計算資源，雖然不算太大，但很適合入門的人練練手。我利用了Kaggle上的【Dogs and Cats】資料集及Colab提供的範例整理了一個完整說明的案例。

完整源碼請自行至 https://github.com/OmniXRI/Colab_Bin_Image_Classification 下載。

接著就帶著大家建構一個「深度學習」卷積神經網路(CNN)模型進行影像二元分類系統，主要包括下面四個步驟：

1. 如何取得及建構訓練數據(Training Dataset) 
2. 如何建構一小型深度學習模型(Training Model) 
3. 如何訓練及驗證模型準確度(Valication Accuracy) 
4. 如何應用深度學習訓練成果進行推論(Inference)

有興趣的伙伴，請將Github上「image_classification.ipynb」下載到您的Google雲端硬碟，雙擊後選擇以「Colaboratory」開啟，即可開始享受Google提供的免費GPU運算資訊，開始進入「人工智能」的領域。

如有任何問題歡迎在下方留言討論。

註：程式範例執行時，請按【Shift+Enter】進行單步執行並自動跳至下一行。若想一次全部運行本範例所有代碼，可按【Ctrl+F9】

延伸閱讀：【Maker玩AI】使用Google Colaboratory免費資源學AI，正是時候！

深度學習，從「框架」開始學起

目前當紅的人工智慧（Artificial intelligence，AI）主要聚焦在深度學習（Deep Learning，DL）領域，想學習深度學習技術的人，第一步通常會遇到一大堆框架（Framework）卻不知如何選擇，而究竟什麼是框架？框架如何用來表示模型？哪些才是主流框架？本文將會完整告訴你，協助找出最符合自己需求的框架。

何謂深度學習框架？

深度學習簡單示意圖。（圖片來源：廖庭儀製作）