實踐大學資管系AI導論 (MIS13901A1)課程
實踐大學資管系AI導論 (MIS13901A1)課程
實踐大學資管系AI導論 (MIS13901A1)課程
實踐大學資管系AI導論 (MIS13901A1)課程
實踐大學資管系AI導論 (MIS13901A1)課程
實踐大學資管系AI導論 (MIS13901A1)課程
實踐大學資管系AI導論 (MIS13901A1)課程
如何做中文情感分析 sentiment analysis?如何在網路尋找及套用演算法?桌機與 AI 電腦之間,如何透過網路進行檔案的傳輸?
要怎麼做物件追蹤?切換MODEL?要如何一張一張的餵進程式,得到結果?顯卡除非不是計算圖像不然不會差很多?
JupyterLab 如何重置密碼?電腦硬體選擇及價格?U-Net 偵測刮傷?YOLOv4使用?
AI 訓練速度跟前一代 RTX-3090 差異不大,遊戲卡支援 ECC 錯誤校正增加穩定性是亮點。
XGBoost Classification, XGBoost Regression, XGBoost Regression Time Series, LightGBM Classification, LightGBM Regression, LSTM, Regression Forest, DNN, Convolution 1D..
大數據分析之資料預處理、訓練、及推論,適用於製程分析、醫療數據預測、金融指數預測等應用。
傳統自動光學檢測 (AOI) 的精確度已遭遇瓶頸,漏殺率 (Under Kill) 及過殺率 (Over Kill) 過高,導入 AI 技術可以大幅降低漏殺率及過殺率到十分之一以下。 遇到需要零漏殺率的應用,通常會使用兩個不同的 AI 演算法搭配分析,來確保零漏殺率。
2017年演算法為王! 2018 年資料為王! 2019 年 FDA 為王!
AI 最新趨勢、 AI 發展的演進、自駕車簡介、常用 AI 影像分析演算法、應用案例。
人工智慧發展簡史、AI 法律應用最新趨勢 (Legaltech)、AI 發展的演進 (標準化、模組化)、語意辨識 (聊天機器人, BERT, GPT-2)、常用 AI 資料分析演算法及應用、時序訊號分析、語音辨識、常用 AI 影像分析演算法及應用案例。
AI 最新趨勢, AI 發展的演進,常用 AI 資料分析演算法及應用案例。
每次曝光成本0.05元,CPC 每次點擊成本2元。
每次曝光成本1元, CPC 每次點擊成本15元。
矽谷經驗、跨國公司經驗、Go Global、水桶理論、產銷人發財、業務漏斗、現金水位、危機管理、信仰、人生是一場修行。
AI 最新趨勢, AI 發展的演進, 常用 AI 影像分析演算法及應用案例, 常用 AI 資料分析演算法及應用案例。
可解釋性、影像分類、物件偵測、語意分割、物件分割、影像處理、人臉辨識、姿態辨識、車牌辨識、字元辨識、瑕疵檢測、放射檢測、病理分析、模型轉換、一般資料分析、時間序列資料分析。我們把 AI 變簡單!
常見影像處理的簡易使用工具,包含有讀圖、存圖、轉灰階、二元化、連通找出物體等。
CUDA, cuDNN, Terminal, Jupyter Lab, Spyder, labelImg, lableMe 等。
RTX-3090-24G 的 CUDA core 是 Titan RTX 的兩倍,訓練速度提升40%較為顯著,推論速度提昇10%不顯著。
顯示卡驅動程式, CUDA, cuDNN, PyTorch, TensorFlow 全部都必須升級到新版或開發版才能使用。
傳統演算法優先,影像分類,可解釋性,物件偵測,語意分割,物件分割,異常檢測,學好樣本,雙網路檢測。
馬變成斑馬,斑馬變成馬。夏天變冬天,冬天變夏天。照片變油畫,油畫變照片。整張照片風格變換效果較好,例如:照片變油畫,油畫變照片。部分照片風格變換效果較差,例如:馬變成斑馬,斑馬變成馬。將風格變換對象放大佔整張照片的50%以上甚至滿版,背景單純,效果才會好。
可解釋性, 影像分類, 物件偵測, 語意分割, 物件分割, 人臉辨識, 姿態辨識, 車牌辨識
DICOM 介紹,讀取 dcm 檔案的字串內容及影像內容。
可解釋性,導入領域專家概念,例如:線的概念。一般資料分析及時間序列資料分析。
YOLOv4 的前身,透過優化 CNN 架構,降低20%運算量,但是精度維持不變。
使用初步訓練好的模型,標註新的訓練影像,節省時間。
使用 OpenCV 進行傳統類比錶頭影像辨識。
廣泛應用於醫療影像分析、生物影像分析、自駕車影像分析、瑕疵檢測等。
x64 架構,可以跑 Windows 10 、 Ubuntu Linux 18.04 ,開發容易,驅動程式支援完整。工業規格,亦可升級軍用規格。
影像資料擴增的方法主要有旋轉、平移、翻轉、縮放、伸展、斜體、彈性皺摺等方法,但須注意合理性。
號稱比 Mask R-CNN 快3倍,但是準確度略低。
工廠生產排程建議用窮舉法(暴力法)找出全域最佳解。如果排程複雜度高,例如:64核心電腦在一小時內無法用窮舉法(暴力法)找出全域最佳解,才考慮用基因演算法在短時間內找出局部最佳解。
將新的 AI 技術應用在農業。
[1] 2 3