【AI入門】利用「深度學習」模型進行影像二元分類

新手無痛AI上手！還等什麼？

【誰應該來?】

• 想學AI卻無門而入的Maker或好學的你
• 想應用AI的Maker、創業者或產品/服務開發者
• 想跟上AI潮、增進個人技能者

今年最熱門的科技議題無疑就是AI（近幾年應該都是吧），想必有很多人不只是好奇AI在熱什麼，更想入門學習，甚至想實際動手來玩玩看、練練功，不過，不少人被開發環境的需求嚇到，總以為玩AI先得準備個很貴的高級顯卡及伺服器才能跑得動，對於想入門練練手的人實在有點花不下去。

現在想學習AI的新手有福了！Google為了幫助機器學習和教育的推廣而推出了Google Colaboratory 研究專案，它是一個提供Jupyter Notebook服務的雲端環境，而且無需額外的設定就可以使用，而且現在還提供免費的GPU，這簡直佛心來的！

Google Colaboratory的開發環境相當夠意思：它提供了免費的NVIDIA K80等級GPU資源及虛擬機(Xeon 2.2GHz CPU*2)供大家使用，其中整合了Linux (Ubuntu)環境、Python、Jupyter Notebook及TensorFlow等常用套件包，並允許大家安裝執行時所需套件包(如Keras, OpenCV, PyTorch, MxNet, XGBoost等)，只要有Google雲端硬碟帳號就可免費使用（當然也有限制，請見本文介紹）。

(Google Colaboratory支援TensorFlow、Keras等常用AI套件包)

用Google Colaboratory建構CNN網路來實現影像二元分類

有了這麼到位的免費開發環境，就差一位好師父來帶進門了。這次即邀請到研究AI影像分析多時的Jack Hsu老師來開講，他將在這堂課中以Google Colaboratory提供的開發環境來示範如何完成一個深度學習範例，帶著大家建構一個以卷積神經網路(CNN)完成的二元分類的影像分類系統，進而有能力建立自己的智慧影像分類系統。

這個學習範例中，主要利用TensorFlow及Keras建構出一個小型的卷積神經網路（Convolution Neural Network, CNN），共有三層卷積層（包含ReLu及Max Pooling），雖然這個模型雖然不大，但可適用各種圖像的二元分類問題，大家可試著導入自己準備的圖像進行測試。

【學習重點】

1. 如何取得及建構訓練數據(Training Dataset)

－下載資料集 

－資料集解壓縮 

－檢視資料集 

－自定義資料集及掛載

2. 如何建構一小型深度學習模型(Training Model)

－卷積網路模型 

－輸入圖像尺寸正規化 

－模型架構及訓練參數說明 

－模型配置及訓練優化設定 

－數據預處理

3. 如何訓練及驗證模型準確度(Valication Accuracy)

－訓練及驗證模型 

－評估模型的準確性和損失

4. 如何應用深度學習訓練成果進行推論(Inference)

－推論 

－可視化表示

【講師介紹】

Jack Hsu／歐尼克斯實境互動工作室創辦人、MakerPRO共筆專欄作者

資深專業Maker，從硬體、韌體、軟體一路玩到機電系統整合，目前為自由工作者，擔任多家公司技術顧問。專長機電整合、機器視覺、立體顯示、實境互動、人工智慧、智財技轉及新創事業輔導。

MakerPRO專欄連結

歐尼克斯實境互動工作室部落格

學員背景：建議有Python程式或深度學習基本能力為佳，沒有亦可。

【學員課前準備與閱讀】

• 課前閱讀：請先閱讀講者本篇文章 - 使用Google Colaboratory免費資源學AI，正是時候！
• 非實作課程，現場僅展示操作及簡報說明，學員不需準備任何電腦或工具。上課講義將於會後開放下載。
• 《一次搞懂！人工智慧能吃嗎？》演講講義分享

►主辦單位：MakerPRO、源壹科技

►聯絡方式：MakerPRO公司電話：(02)23679308，蔡小姐, Email：service@makerpro.cc