課程介紹

世界各地的企業都在運用人工智慧解決最困難的挑戰。專業醫療照護人員使用人工智慧加快診斷病患的速度和準確度。零售企業將其用於為客戶提供個人化的購物體驗。汽車製造商透過其讓私家轎車、共享交通工具和貨運服務更安全、更有效率。深度學習是一種強大的人工智慧方法，透過其所使用的多層次人工智慧神經網路，即可在物體偵測、語音辨識和語言翻譯等工作上達到最為先進的精確度。電腦可使用深度學習技術，從資料中學習和辨識出對專家編寫的應用軟體而言過於複雜或細微的模式。

在本實作坊中，你將進行電腦視覺和自然語言處理方面的實作練習，藉此瞭解深度學習的運作方式。你將會從零開始訓練深度學習模型、學習工具和技巧，追求高度準確的成果。也會學習如何運用免費提供的頂尖預先訓練模型，如此可以節省時間，並讓深度學習應用程式快速運作。

完成課程評量之後即可取得完課證明。

課程定位

• 程度：技術 – 初學者
• 主題：深度學習
• 完課證明：有
• 評量方式：程式實作
• 課程先修條件： 對 Python 有基本了解（有幫助，但非必要）
• 所需軟體：Python3 / NIM / Pytorch
• 所需硬體：可連上網際網路的筆記型電腦，用於連入 DLI 雲端虛擬機執行課程，筆記型電腦無須另外安裝程式。
• 相關資訊：請參考 DLI Generative AI / LLM 學習路徑

學習目標

• 瞭解訓練深度學習模型所需的基本技術和工具
• 熟悉通用的深度學習資料類型和模型架構
• 透過資料增強來強化資料集以提升模型精準度
• 運用模型之間的遷移學習，以更少的資料和運算達成高效率的成果
• 使用現代的深度學習框架，更具信心地打造自己的專案

課程特色

• 本課程可由一般桌上型電腦(或筆電)進行各項操作
• 簡單的Python程式設計教學：透過NVIDIA雲端環境中的Jupyter Lab互動環境，學生將可由此理解Python程式語言的基本觀念與重要功能。
• 理解深度學習神經網路架構：理解為何神經網路可用於影像分類、如何擷取特徵、以及如何準備資料集來進行訓練。
• 訓練神經網路並驗證其成效：實際使用Pytorch框架來設計簡易的神經網路模型，並搭配MNIST手寫數字資料集與ASL手語資料集來進行視覺分類，學員將可理解重要的神經網路訓練參數設定並驗證其成效。
• 理解何謂遷移學習：使用知名的神經網路架構(包含Resnet與VGG16等)並根據自身需求來修改，除了能更快完成應用之外，也能從經典範例中學習相關技術。

課表