iT邦幫忙

ai相關文章
共有 78 則文章

活動 【三月培訓活動】AIoT智能物聯網平台開發人才就業班&嵌入式Linux開發實戰班

3/12↑AIoT智能物聯網平台開發人才就業班 掌握關鍵科技,抓住AIoT商機!本訓練複製業界實務經驗,教你如何實現物聯網的感知層、網路層、應用層開發;並結合P...

技術 淺談ONNX交換格式

ONNX(Open Neural Network Exchange)是一套開放神經網路交換格式,由 Facebook、微軟結盟推出, 並獲得 Intel、AMD...

技術 工業4.0基礎(工業3.5):生產品質監控

工業1.0的主軸是機械化、工業2.0是電氣化、工業3.0是自動化、工業4.0是智能化。 上銀集團董事長卓永財表示,台灣有許多製造業還停留在工業2.0,若不能升...

徵才 EPISTAR晶元光電_誠徵各類資訊工程師

【晶元光電】強力募集資訊專才!! 一、 招募條件:大學、碩士以上畢業,資工、資管、電機電子、數學等資訊專業人才。 二、 應徵方式:請至晶電招募系統登入個人履歷,...

鐵人賽 AI & Data DAY 30

技術 [落幕結語] 第一次參加鐵人賽心得

參加鐵人賽完全是一個契機,優秀好同事兼朋友 Rex 在報名最後一天的問我要不要參加,思考了一下,覺得是有東西想說的,大概擬了主題和大綱,就加入這屆 iT 邦幫忙...

鐵人賽 AI & Data DAY 30

技術 [魔法小報] 深度學習在聊天機器人(Chatbot)的技術與應用

鐵人賽第三十篇,想帶大家來探討聊天機器人(Chatbot)這塊的發展。 圖片來源:https://chatbotsmagazine.com/why-the-...

鐵人賽 AI & Data DAY 29

技術 [魔法小報] 深度學習在自然語言處理(NLP)的技術與應用

自然語言處理(NLP)的目標是設計演算法來讓電腦「理解」自然語言以執行一些任務,依難易度舉例如下: 簡單 拼寫檢查(Spell Checking) 關鍵字搜...

鐵人賽 AI & Data DAY 28

技術 [魔法小報] 深度學習在電腦視覺(Computer Vision)的技術與應用

電腦視覺(Computer Vision)一直是我非常著迷的領域,旨在模仿人類視覺系統,作為賦予機器人智能行為的助力,在1966年夏季,MIT AI LAB 成...

鐵人賽 AI & Data DAY 27

技術 [實戰系列] 使用 Keras 搭建一個 DQN 魔法陣(模型)

在理解 DQN 魔法陣的結構後,本篇來帶大家訓練 DQN 模型玩 Flappy Bird,引用參考的程式碼在此:https://github.com/yanpa...

鐵人賽 AI & Data DAY 25

技術 [魔法陣系列] Deep Q Network(DQN)之術式解析

「Deep Learning模型最近若干年的重要进展」一文提到深度學習分四個脈絡: CV/Tensor 生成模型 Sequence Learning Deep...

鐵人賽 AI & Data DAY 24

技術 [魔法小報] 用圖表呈現深度學習的商業應用價值

在 魔法陣系列 中,有說明不同魔法陣的應用例子,而這篇想用圖表來帶出整體深度學習的應用幅度,讓各位準魔法使們一覽在深度學習在各行業的魔法效果有多強大。 深度學...

鐵人賽 AI & Data DAY 23

技術 [實戰系列] 使用 Keras 搭建一個 GAN 魔法陣(模型)

本篇要來實作一個簡單版的 GAN 模型。如果忘記 GAN 是什麼的同學,傳送門在此: [魔法陣系列] Generative Adversarial Netw...

鐵人賽 AI & Data DAY 22

技術 [魔法陣系列] Generative Adversarial Network(GAN)之應用場景

Yann LeCun (Facebook AI 研究院院長)曾對 GAN 表示讚賞: The most important one, in my opi...

鐵人賽 AI & Data DAY 21

技術 [魔法陣系列] Generative Adversarial Network(GAN)之術式解析

在上篇介紹 AutoEncoder 的應用時有提到 VAE(Variational Autoencoder) 可以生成圖片,但是它有一些限制。VAE 實際上沒有...

鐵人賽 影片教學 DAY 23

技術 人工智慧 (1/2)

[Day 23] 人工智慧 3.0:甚麼是「智慧」? (15min) -- 人與AI -- 知識金字塔 3.1:人工智慧的發展與未來 (45min) --...

鐵人賽 AI & Data DAY 20

技術 [魔法陣系列] AutoEncoder 之應用場景

在 [魔法陣系列] AutoEncoder 之術式解析 裡介紹了 AutoEncoder 魔法陣以及其變形夥伴們,對於 AutoEncoder 應用只用寥寥幾句...

鐵人賽 AI & Data DAY 19

技術 [魔法小報] 機器學習路上的強力支援們(網路學習資源推薦)

不重要之交代:因為這兩天在台南抓寶可夢,所以出刊的比較晚,來抓寶可夢的外國人也好多呀~ 如果你跟我一樣追尋著 Data Scientist 的目標,你大概有...

鐵人賽 AI & Data DAY 18

技術 [實戰系列] 使用 Keras 搭建一個 Denoising AE 魔法陣(模型)

基於教學性,本文選擇實作 Denoising AE,基於 Keras 官方提供的 tutorial 來做演練。 Denoising AE 是一種學習對圖片去噪(...

鐵人賽 AI & Data DAY 17

技術 [魔法陣系列] AutoEncoder 之術式解析

在上篇 [魔法小報] 深度學習 vs. 傳統機器學習的文末稍微提到可以用 AutoEncoder 做降維(Dimension Reduction),於是乎,本篇...

鐵人賽 AI & Data DAY 16

技術 [魔法小報] 深度學習 vs. 傳統機器學習

今天來談談深度學習跟傳統機器學習的比較,主要從 Data、計算資源、特徵萃取 等三個方向進行討論。 深度學習(Deep Learning)的成功主要是基於大量可...

鐵人賽 AI & Data DAY 13

技術 [實戰系列] 使用 Keras 搭建一個 CNN 魔法陣(模型)

[魔法陣系列] Convolutional Neural Network(CNN)之術式解析 中提到 CNN 由下列所組成: Convolution Oper...

鐵人賽 AI & Data DAY 10

技術 [魔王出沒] 深度學習中的魔王軍簡介

其實這篇應該先寫於《精進魔法》系列之前的,但沒關係,只要有 [地圖] 深度學習世界的魔法陣們 指引,你能夠照你想要挑戰的項目去學習。 以下介紹深度學習的魔王們,...

鐵人賽 AI & Data DAY 8
當自動駕駛遇見AI 系列 第 8

技術 Day8-當自動駕駛遇見AI-失真校正(Correcting for Distortion)

前言 此部份可以進行相機校準和失真校正工作 內容 這個過程有兩個主要步驟:使用棋盤圖像獲取圖像點和對象點,然後使用OpenCV函數cv2.calibrateCa...

鐵人賽 AI & Data DAY 7
當自動駕駛遇見AI 系列 第 7

技術 Day7-當自動駕駛遇見AI-Project1: Finding Lane Lines(3)-writeup

前言 針對Project1- Finding Lane Lines這個項目,提供專案實作說明,包括以下三個部分: 1.程式實作描述 2.可能缺點 3.建議可能的...

鐵人賽 AI & Data DAY 6
當自動駕駛遇見AI 系列 第 6

技術 Day6-當自動駕駛遇見AI-Project1: Finding Lane Lines(2)

前言 這部份接續專案後續程式建立 pipeline及測試圖檔、影片之成果 內容 測試圖檔及pipeline程式說明如下:[1] Test Images imp...

鐵人賽 AI & Data DAY 5
當自動駕駛遇見AI 系列 第 5

技術 Day5-當自動駕駛遇見AI-Project1: Finding Lane Lines(1)

前言 在此專案中,您將使用在課程中學到的工具來識別道路上的車道線。 您可以在一系列個別的圖像上利用pipeline,然後將結果應用於影片串流(實際上是一連串一圖...

鐵人賽 Everything on Azure DAY 6
Azure AI 向前衝 系列 第 6

技術 Day 06:機器學習演算法的選擇

前言 之前我們花了5天作完第一個實驗,從資料的匯入/清理(data cleaning)、模型訓練、模型評估、佈署到系統的整合,乖乖作過一遍,自覺收穫不少,在進行...

鐵人賽 AI & Data DAY 5

技術 [實戰系列] 使用 TensorFlow 搭建一個 ANN 魔法陣(模型)

有了先前的 ANN 魔法陣教學後,該是來讓各位見習魔法使實戰演練了,前情提要請參見: [魔法陣系列] Artificial Neural Network (A...

鐵人賽 AI & Data DAY 4
當自動駕駛遇見AI 系列 第 4

技術 Day4-當自動駕駛遇見AI-霍夫轉換(Hough transform)

目的 為完成尋找車道線的任務,接下來我們利用canny邊緣檢測圖像上再執行霍夫轉換(Hough transform),指定一些參數來說明我們想要檢測哪種線(即長...

鐵人賽 AI & Data DAY 4

技術 [魔法陣系列] Artificial Neural Network (ANN) 之術式啟動

上篇介紹 ANN 魔法陣結構:輸入層(Input Layer)、隱藏層(Hidden Layer)及輸出層(Output Layer)。此外,也解釋了神經元與激...