【南科AI_ROBOT Meetup】不再哭暈！光場顯示relax你的眼壓_課程簡報[1/2]

今天(2018/08/04)很高興受MakerPRO邀約到南科自造基地與大家分享光場攝影及光場顯示技術，同時介紹了FOVI3D及Magic Leap相關技術，以下就是此次課程簡報，請大家參考，如有不清楚或有筆誤的地方再請不吝指教。更進一步內容及相關參考網址請參考本文最後「進階閱讀」。

<<如看不清楚簡報內容，可點擊圖片放大至原始解析度觀看。>>

【南科AI_ROBOT Meetup】不再哭暈！光場顯示relax你的眼壓_參考影片[2/2]

今天(2018/08/04)很高興受MakerPRO邀約到南科自造基地與大家分享光場攝影及光場顯示技術，同時介紹了FOVI3D及Magic Leap相關技術，以下就是此次課程相關影片，請大家參考，如有不清楚或有筆誤的地方再請不吝指教。相關簡報連結及更進一步內容請參考本文最後「進階閱讀」。

幻影炫渦(ZoeVortex)工作室 360度子彈時間視覺特效產生器

 

一張解釋「過擬合」的有趣照片

今天在網路上看到一張解釋人工智慧中最常遇到的「過擬合(Overfitting)」問題，它非常有趣，不是用數學而是用一張床來解釋。我想看到的人都會會心一笑吧！這就是告訴我們資料集訓練過程百分之百正確，但實務上推論時卻不怎麼正確，就像這張床側睡時非常舒服完全貼身，但轉個身就掉到床下了。

ps. 一般解釋用圖如下：

下一個要流行的會是「人工智能虛擬助理」嗎?

最近看到一個新聞「30 萬日圓的 Gatebox 僅 2 萬就搞定？」本想有什麼驚人之作，這樣高度整合的技術竟如此簡單就被破解，沒想到只不過是用透明顯示器就搞定。回想我和朋友2014年參加Maker Fair Taipei時就DIY過一個用平板改裝的透明顯示器互動魚缸，早知道當年就搞個初音的影片來放，如今就不會有這條新聞。

【日本神人】影／高手在民間！30 萬日圓的 Gatebox 僅 2 萬就搞定？ 網友：這不科學
https://www.limitlessiq.com/news/post/view/id/5754/

【AI入門】利用「深度學習」模型進行影像二元分類_簡報分享

今天(2018/7/23)很高興受MakerPRO邀約與大家分享如何利用Google Colaboratory (簡稱Colab)進行「深度學習」影像二元分類，以下就是此次課程簡報，請大家參考，如有不清楚或有筆誤的地方再請不吝指教。

<<如看不清楚簡報內容，可點擊圖片放大至原始解析度觀看。>>

【開發社群論壇】樹莓派GPU的算力釋放

很高興今天(2018/7/21)下午受邀出席MakerPRO舉辦的【開發社群論壇 ─ 打造AI邊緣運算之自造開發平台 】擔任講者，此次分享的主題是【 樹莓派GPU的算力釋放】。

此次主題顧名思義就是如何利用樹莓派的GPU來增加算力，用於影像處理及深度學習上，以下就是這次的簡報提供大家參考。

<<如看不清楚簡報內容，可點擊圖片放大至原始解析度觀看。>>

【AI_Column】AI 邊緣運算即將掀起風潮

今年Computex & InnoVEX 2018中可以嗅出一個方興未艾的風潮，那就是邊緣運算，本文將介紹邊緣運算為何興起，以及有哪些台灣廠商已推出相應的解決方案。

一年一度的Computex & InnoVEX 2018在不久前熱鬧閉幕，每年我總會撥個一、兩天去參觀，今年另外加碼了一天半參加了三場Computex Forum：「串聯AI生態系」、「遇見明日新科技」及「顛覆物聯新視界」，感受到不一樣的氣氛。

整體來說，從展場熱點來看個人電腦及週邊已有逐漸淡去的感覺，取而代之的是行動通訊、人工智慧、物聯網及相關的應用軟體等相關應用。尤其世貿三館的InnoVEX更是明顯，大多新創公司都展現出未來「萬物皆智能（AIoT = AI + IoT）」的趨勢。

不論是家電、交通、零售、虛擬擴增實境（AR/VR/XR）、人機互動、醫療、食安、農業、金融、安全監控、電商平台及城市環境等等，無一沒有智能管理、分析及預測。經過幾天的看展隱約嗅到一股風潮即將興起，那就是「邊緣運算」（Edge Computing）（也稱「邊緣計算」），為什麼這麼說呢？接下來就把此次看展的心得整理一下分享給大家。

【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）