~歡迎企業洽談包班需求 ~
「大數據/人工智慧」 同步招生中 !!  

一、課程目標：

人工智慧(AI)的應用服務可以設計在雲端伺服器或邊緣裝置端，一般而言為了分擔雲端伺服器的工作量，邊緣裝置近感應器(sensor)的即時辨識成為必要的功能。
AI邊緣運算的優點在於其低成本並且擁有廣大的消費市場，例如感應器裝置、穿戴式裝置、家電、手機、甚至於玩具等；然而開發時將面臨極少記憶體、極低耗電量、無作業系統資源、無高階程式庫支援等限制，因此應該如何縮小所設計的AI model，使其只佔用少量的記憶體並且維持低耗電量，更重要的是不能犧牲太多AI model的精確度，這些策略都是在一開始訓練AI model時就必須全盤考量的，否則將無法成功達到邊緣運算的效果。
邊緣運算的開發大略可分成兩個趨勢，一是自行採集資料，自我訓練AI model，再將model縮裝fit至邊緣裝置；另一是直接由邊緣裝置調用類似ChatGPT API，call雲端服務以便提供更高階的AI功能；本課程以Edge AI、TinyML、及Mobile AI為主題，依序說明邊緣裝置的縮裝技巧及調用ChatGPT API的方法，協助學員快速掌握AI邊緣運算的開發趨勢與重點。
 

二、課程特色：

• 堅強師資陣容：授課老師具備完整知識及豐富的業界經驗。課程中將以著名的案例來說明深度學習原理及其應用於人工智慧的方法，讓學員以最快的速度奠定深度學習與人工智慧的設計基礎。
• 課程內容彙整論文及書籍精華：講義內容豐富，不但綜整許多著名書籍的精華內容，並且萃取多篇具有代表性的學術及專業論文，使學員能夠有效率的吸收到最新最流行的人工智慧技術。
• 快速的重點講解：課程中將結合講師講授、經驗分享、實務案例分析、工具軟體應用示範，以增進學習的成效。同時，提供豐富的補充教材，包括設計時參考使用的程式源碼及實驗資料取得方式，讓學員能夠盡快上手，開始設計屬於自己的專案計畫，加入人工智慧的設計行列。

三、課程大綱：

1. 邊緣機器學習觀念、演算、及開發步驟
2. 從TensorFlow到TensorFlow Lite
3. TensorFlow Lite模型的精簡方法
4. 什麼是TinyML
5. TensorFlow Lite for Microcontroller AI微處理器應用開發
6. AI邊緣運算軟硬體整合設計介紹
7. AI邊緣運算與Sensor整合設計
8. TinyML邊緣運算應用案例介紹(SparkFun Edge and Arduino Nano)
9. Android Mobile AI 應用程式開發
10. Python ChatGPT API應用程式開發
11. Android ChatGPT API應用程式開發

四、適合對象：

• 高階軟體開發工程師
• 電子/電機/資訊相關工程師
• 大數據相關研發人員或資料科學家
• 統計/數值分析研究人員
• 財務分析工程師
• 醫學工程研究人員
• 生物科技研究人員

※須具備Python基礎能力，以及深度學習基本觀念” 。