廣宣學堂 為您呈現機器視覺/深度學習系列：
近來深度學習、機器視覺的重大突破，常跟卷積神經網路(CNN, Convolutional Neural Networks) 有關。自從 LeCunn 提出 LeNet，而後在 ImageNet 2012的挑戰賽裡，AlexNet 運用CNN造成突破性結果後，引起了極大的關注。全世界巨量的研究與開發者對CNN的架構設計嘗試錯誤、改良、並且達成了很偉大的成果，對整個深度學習模型的發展也造成深遠的影響。
CNN的演化，是整個深度學習的重要歷史，CNN從祖先(LeNet, AlexNet ...), 到現今各式各樣百花齊放的衍生模型，如果徹底研究其中奧妙，深度學習功力就會大大進步。
真正要學會深度學習，沒有別的，多深入一些去了解模型背後原理，不只是鑽研用法，更是多花一點時間多紮基本功，真正去理解模型背後的精神，功力才能比人更強，更有競爭力。
在這個課程中，我們邀請到具有豐富實務開發經驗以及理論深厚功力的高手來為我們剖析 CNN 家族。從類神經網路原理複習開始，帶您深入CNN的經典模型解析原理、更讓您動手配合實作來做影像辨識各種實際應用，讓自己搞懂深度學習、精進深度學習、駕馭深度學習，投資自己，在AI的時代，讓自己更具競爭力。
參加這堂課可以有甚麼收穫 ?
- 深入 CNN的核心演算法，掌握深度學習在機器視覺的關鍵
- 研究各屆 imageNet 冠軍的架構與變革，對於深度學習架構建立比別人更精深的概念，難得機會
- 豐富的實作工作坊，把學到的原理充分實作
- 將整個 CNN 家族剖析學習，回去可以試著開發自己的深度學習系統或機器視覺程式
課程內容
2019/1/26 (六) 13:30 ~ 16:30 三小時密集課程
課程簡介：小班制互動教學、問題馬上澄清。以Python為操作語言、Pytorch 為框架。課程內容包含: (講師將依現場課程狀況調整進度)
1. 深入淺出機器學習與 NN 類神經網路複習
2. 卷積神經網路 CNN 徹底研究
3. 工作坊 1 : 利用 CNN 建構物體分類器、服飾穿著分類器 - 運用套件搭建網路
4. 歷屆 imageNet 冠軍解析 :方法論、設計原理、各模型獨到之處（AlexNet, VGG, GoogleNet, ResNet等等)，精選數屆冠軍解析與試用
