GCP智慧雲端API及AutoML技術實戰

數位轉型及產業AI化最方便及迅捷的實戰課程,錯過等下回!

適合對象:

 

GCP智慧雲端API及AutoML技術實戰

上課地址:工研院光復院區一館 609教室 (新竹市光復路二段321號一館 609教室) 實際上課地點,請依上課通知為準!

時數:28

起迄日期:2020-07-09~2020-07-17

聯絡資訊:黃小姐/03-5732034

報名截止日:2020-07-09

課程類別:人才培訓(課程)

活動代碼:2320020002

 

課程介紹

數位轉型及產業AI化最方便及迅捷的實戰課程,錯過等下回!

AutoML成主流AI服務標配,客製模型門檻更容易了!

自Google發表Cloud AutoML以來,開啟了AutoML百家爭鳴的時代, ML門檻一再降低,連沒有資料科學團隊的企業,都可快速訓練模型、開發AI應用,使AI模型開發成為工廠作業,可快速大量訓練和客製化生產。不論何種產業,都更容易發展各自的產業AI應用,2020年將帶來另一波企業AI應用的大爆發。

Google Cloud Platform (GCP) 是 Google 在雲端提供的服務名稱,讓您能夠在雲端上使用與 Google 相同的技術和基礎架構,預先準備好各式服務的基本元件,讓您能夠快速上手開發及使用。以下為本課程針對 Google Cloud Platform (GCP) 提供主要服務做介紹及其應用實戰。
 
Compute Engine
高性能虛擬機器基礎設施
Compute Engine 是 Google 提供的 IaaS 服務 (Infrastructure-as-a-Service,架構即服務),您可以使用 Google 雲端架構執行大負載的 VM 虛擬主機。透過選擇適合您的 VM 規格及佈建到全世界的 Google 光纖網路,您能享有高性能及高穩定性的服務。Compute Engine 是依照您的使用量來計費,以每秒鐘為單位。

AutoML
Google Cloud AutoML 是一套機器學習產品,讓即使是機器學習專業知識有限的開發人員,也能訓練出符合自身業務需求的高品質模型。 本產品採用 Google 最先進的遷移學習和神經元架構搜尋技術。透過 Cloud AutoML 的簡單圖形使用者介面,您可以依據自己的資料來訓練、評估、改良和部署模型。只需要花幾分鐘的時間,就能建立專屬於您的自訂機器學習模型。

 
課程特色/目標
♦課程目標
Google Cloud Platform (GCP) 提供多項產品,如:「Compute Engine」、「Cloud Storage」、「Cloud AutoML」等,其中根據不同產品性質又再加以分類為:「運算」、「儲存空間與資料庫」、「Cloud AI」、「大數據」、「資料轉移」、「遷移學習」等。本課程將各項 GCP 產品初步教學及應用的資源,在四天的研習中,從入門到實作,讓任何對 GCP 及 AutoML 有興趣的使用者都能快速啟用 Google Cloud 及 AutoML,並快速應用於工作上!

♦課程特色
►採用 Google 的 AutoML 和遷移學習技術,可自訂模型
您可以利用 Google 先進的 AutoML 和遷移學習技術建立高品質模型。即使您的機器學習專業知識有限,也能輕鬆訓練出符合特定業務需求的自訂機器學習模型。


►全方位整合
Cloud AutoML 與其他 Google Cloud 服務完全整合,讓您能夠以一致的方式存取整個 Google Cloud 服務線,並且將自己的訓練資料儲存在 Cloud Storage 中。如要針對訓練過的模型產生預測,只要為自訂模型新增參數來使用現有的 Vision API,或是使用 Cloud ML Engine 的線上預測服務即可。

►與資料標籤服務整合
如果您有尚未加上標籤的圖片,Google 內部小組會審核您的自訂指示,並據此對您的圖片進行分類。您將可取得高品質的訓練資料,且您的資料也不會對外公開。此外,您還可以直接使用人工加上標籤的資料訓練自訂模型。這項功能僅適用於 AutoML Vision。

►增強知識、技能之學習成效
熟悉AI核心技能,並能獨立AI系統規劃及開發,透過簡單的軟體實作,完成AI系統。在Google 雲端平台上以Google訓練好的Model 如:AutoML Speech、Vision等,或是自行設計訓練的模組,進行人工智慧的應用。藉由培養靈活運用AI技術的專業能力,進而提升學員之職場競爭力與其個人價值。

 
課程對象
�� 適合具有基本Python編程經驗的學員及開發者
�� 從事人工智慧系統規劃、建置與應用者
�� 從事人工智慧邊緣運算裝置、AI系統應用服務、系統整合等之研發人員及主管。
�� 從事人工智慧創新應用之市場研究及計畫管理開發經理人。
�� 對AI 智慧應用實務架構及技術,及應用服務感興趣者

學員先備能力 (Nice to have,不會也OK,依照老師的指引)
Ø   Python程式語言經驗
Ø   了解Linux 基本指令  Windows 基本管理
講師簡介
謝老師

【學歷】
Ø   紐約大學電腦科學研究所碩士
Ø   國立高雄科技大學電機系博士候選人
 
【專業領域】
Ø   平行計算、嵌入式計算、深度學習應用
Ø   RFIDZigbee、資安、IOTAIBig Data、電力系統
Ø   微軟MPP認證
l   Microsoft Certificate DAT101x Introduction to Data Science
l   Microsoft Certificate DAT256x Essential Math for Machine Learning Python Edition
l   Microsoft Certificate DAT257x Reinforcement Learning Explained
l   Microsoft Certificate DAT263x Introduction to Artificial Intelligence (AI)
l   Microsoft Certificate DAT275x Principles of Machine Learning Python Edition
l   Microsoft Certificate DEV288x Natural Language Processing (NLP)
l   Microsoft Certificate DEV290x Computer Vision and Image Analysis
l   Microsoft Certificate DEV312x Business Intelligence for IoT Solutions
l   Microsoft Certificate DEV313x Predictive Analytics for IoT Solutions
l   Microsoft Certificate DEV326x IoT Data Analytics and Storage
課程大綱
1. GCP 服務簡介及使用考量
2. GCP AI、ML、AutoML 服務及範例實作
3. GCP API 介紹及範例實作
4. GCP Speech 語音辨識及自然語言處理(NLP)實戰
5. GCP AutoML Vision 電腦視覺實戰
6. TensorFlow及深度學習範例實作
7. 總結:應用實例及問題討論

學員需自備筆電 (Win 10、Mac or Linux);請留意下列之注意事項。

詳細課程大綱請看DM
結訓與認證
全程完成實作範例,且研習期滿(出席率80%以上),即可取得產業學院之培訓證書。
價格
Ø  課程費用:一般生:每人$18,000元;
 
早鳥(三週前)優惠價: $17,000;另有早鳥團報(同公司2人以上)優惠: $16,000
 
 
常見問題
學員需自帶筆電及電源線,筆電之最低需求如下
u  硬體配置:
l   筆電(CPU 64位元,最好有8G RAM以上、至少25GB的空間)、麥克風、耳機、Camera
l   Windows 10 or Windows7 MacLinux
u  軟體預先安裝 (課前將提供安裝指引)
l   Chrome 瀏覽器、Anaconda3 並安裝 Python3.7Python2.7
l   putty 終端機、vnc viewer
 
以上,若有問題,請即聯絡陳先生jamechen@itri.org.tw, 03-573-2864,或上課當天,課堂現場有助教協助安裝 (不難,但很耗時,故建議先自行嘗試安裝)


課程上須開通
GCP SDK免費試用版,學員需準備下列事物,以便實作練習https://cloud.google.com/sdk/docs/quickstarts?hl=zh-tw
    Google 帳號 (未申請過免費試用的帳號)
    信用卡或簽帳金融卡 (先預付,後退款)
 

退費規定

學員於開訓前退訓者,將依其申請退還所繳上課費用90%,另於培訓期間若因個人因素無法繼續參與課程,將依上課未逾總時數1/3,退還所繳上課費用之50%,上課逾總時數1/3,則不退費。


附件
 
 GCP課程.DM-新竹光復-20200709.v1.0.pdf


簡介


產業學院緣起
  依據行政院「挑戰2008:國家發展重點計畫」下之「國際創新研發基地」與「產業高值化」兩計畫,首重產業科技人才的效能。

•911216經科字第09103373120號函:經濟部將本院籌設工研院產業學院之工作,列為因應產業結構轉型,提