人工智慧與先進機器學習是由多種科技與技術所組成，例如深度學習、神經網路、自然語言處理(Natural-Language Processing, NLP)。這些先進技術超越了傳統以規則做為運算基礎的演算法，進而創造出能理解、學習、預測、適應環境、甚至自行運作的系統，也是讓智慧機器能顯得更「聰明」的原因。隨著深度神經網絡(Deep Neural Network, DNN)、GPU和大數據(Big Data)技術發展的成熟，人工智慧應用即將跨入全新里程碑，預計將掀起一波應用浪潮。Gartner甚至預言，十年後，將很難找到不具備某種人工智慧功能的科技產品或應用。
過去人工智慧的成本非常昂貴，因其執行的演算法是模擬人腦運算，也就是龐大的平行運算，這與現有電腦的運算模式是完全不同的。目前市面上已出現不少專用的人工智慧晶片，像是英特爾的Intel Xeon Phi、NVIDIA的人工智慧超級晶片Tesler P100 GPU等，且價格有下降的趨勢。在晶片對人工智慧的支援更加完善後，將可實現人工智慧邊緣運算(Edge Computing)，讓物聯網(IoT)進化成AIoT(AI+IoT)，並在各個應用領域開枝散葉，創造出可觀商機。
|
9/19(二)：人工智慧與機器學習完整介紹（學術界權威講師建構理論基礎）
|
|
．人工智慧技術之過去、現在、未來
．深度學習學理論到應用
．深度學習框架與演算法開發深度探究
．如何利用AI技術挖出大數據背後商機
|
講師：陳文輝博士
簡歷：國立臺北科技大學自動化科技研究所教授。教授人工智慧與機器學習超過十年。近年因執行科技部「應用深度學習於人類行為辨識之研究」專題計畫，對深度學習技術之實作及應用有深入瞭解。
|
|
9/20(三)：人工智慧晶片技術與應用實戰（產業界專家分享實作經驗）
|
|
第一節：AI風潮下的處理器架構演進趨勢
|
講師：Staff Application Engineer 林文國 博士
簡歷：台灣益華電腦(Cadence)Tensilica現場應用工程團隊Staff Application Engineer。擁有澳洲阿德雷得(Adelaide)大學電機電子工程學系學士及博士學位，並具備影像處理、影像壓縮、色彩處理、機器視覺和3D立體成像等專業技術背景，曾擔任ASIC設計、研發經理、系統應用總監等職務。
|
|
第二節：影像監控結合人工智慧應用開發對策
|
講師：楊竣誠
簡歷：奇偶科技業務協理，於新產品事業部負責開發與推廣人工智慧及虛擬實境攝影機。曾服務於Atheros/Qualcomm、SST/Microchip等國際半導體大廠，深諳無線IC、物聯網SoC等產品技術與市場。
|
|
第三節：人工智慧與物聯網整合應用設計之道(上)
|
講師：藍坤銘
簡歷：工研院巨量資訊科技中心智慧分析技術副組長。曾任一二三視股份有限公司執行副總、工研院服務系統科技中心研發經理、中華大學科管系講師。2012曾獲潘文淵文教基金會年輕研究創新獎殊榮。
|
|
第四節：人工智慧與物聯網整合應用設計之道(下)
|
※主辦單位保留變更課程表權利，請以活動當天課表為準，課程變更恕不另行通知。