Offline EventLearningScience & Tech

🔥【2026產發署補助】🔥AI神經網路運用YoLo實戰!僅一梯。把握在職進修機會 - 最高學費全免

63
3
2026.08.02 (Sun) 09:30 - 08.09 (Sun) 16:30 (GMT+8)Add To Calendar

北車對面,新光三越旁/館前路與開封街口/麥當勞隔壁中心大樓 9樓

Offline Event

After registration, simply show your ticket from the ACCUPASS App for quick entry.

Entry rules are primarily set by the event organizer.

How to Collect Tickets?
課程將以觀念和實作並行,學員藉由Python package實作機器學習演算法,並搭配類神經網路延伸套件基於深度學習的即時物件偵測演算法由淺入深地實作各種不同專案應用,從而實現具有即時物件處理功能的人工智慧應用系統。
課程將以觀念和實作並行,學員藉由Python package實作機器學習演算法,並搭配類神經網路延伸套件基於深度學習的即時物件偵測演算法由淺入深地實作各種不同專案應用,從而實現具有即時物件處理功能的人工智慧應用系統。

Offline Event

After registration, simply show your ticket from the ACCUPASS App for quick entry.

Entry rules are primarily set by the event organizer.

How to Collect Tickets?
Event Introduction

課程特色
學員透過系統化學習YOLO模型(如YOLOv8,YOLOv10等),將具備從數據處理到模型部署的全方位能力,能獨立完成圖像標註(Annotation)、數據增強(Data Augmentation),並熟練使用PyTorch或TensorFlow框架進行模型訓練。掌握YOLO核心演算法,能在極低延遲下實現多目標偵測、分類與定位。

僅一梯20名額,額滿截止。把握在職學習進修的好機會

  1. 課程時數

    12小時
  2. 開課時間

    週日全天班 AM9:30-PM4:30 6H
  3. 師資介紹

    邀請業界資深韌體開發團隊擔任講師 - Louis Chien
    師資介紹(第二頁第一位)
  4. 上課期間

    115年8月2日至115年8月9日 (招生中)
    8/2 、 8/9 
  5. 課程費用

    • 大企業: 全期學費$9,000元產發署補助$4,500元,
                   學員自付額$4,500元
    • 中小企業及外籍人士: 全期學費$15,000元產發署全額補助
  6. 招生對象

    • 1. 具Python或其他程式基礎
    • 2. 欲學習深度應用於深度學習實務應用,
          繼而延伸AI實務應用於電腦視覺上
  7. 上課地點

    台北市中正區開封街一段2號9樓
  8. 上課人數

    • 1. 僅一班20人(即日起接受報名,額滿為止;最低開班人數10人)
  9. 退費標準

    各班一經報名,依教育局短期補習班設立及管理規則第24條辦理
  10. 注意事項

    • 1. 每位學員出席率需達70%以上,完成作業或專題實作作為評量依據,
          合格者結訓頒發證書。

課程大綱

神經網路 (NN)的概念介紹與應用

  • 介紹NN的網路架構

卷積神經網路(CNN)的概念介紹與應用

  • 介紹CNN的網路架構
  • 建立CNN架構
  • CNN建立圖像辨識分類器

Tensorflow/Pytorch深度學習程式語言設計

    YOLO即時物件偵測

    • YOLO系列核心網路架構
    • YOLO架構訓練自有資料集
    • 數據資料標註和標籤轉換方法
    • 基於YOLO模型進行實力開發

    課程實習範例

    訓練自己的YOLO model應用範例(如食物辨識,暇疵檢測,動物,物品辨識,圖像檢測...等)

      avatar

      中華行動數位科技教育訓練中心

      🔥【2026產發署補助】🔥AI神經網路運用YoLo實戰!僅一梯。把握在職進修機會 - 最高學費全免

      2026.08.02 (Sun) 09:30 - 08.09 (Sun) 16:30 (GMT+8)

      Map

      台灣台北市中正區開封街一段2號9樓

      loading