網頁

2018年6月29日 星期五

【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。


2018年6月27日 星期三

【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」。

2018年6月25日 星期一

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!

2018年6月5日 星期二

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)