MicrosoftMicrosoft

微軟技術中心上機實作課程

智能無人載具開發工作坊

人工智慧實務開發鍛鍊

人工智慧是目前最熱門的話題,有許多新的應用情境也隨之產生,但您需要一個能落地的應用來學習開發的方法,藉以評估在企業中真實的應用,無人載具是一個非常好的選擇,它有非常廣泛的應用如:

  • 製造業:人工智慧載具加上電腦視覺,可取代人工巡檢、配送,並可算出最佳移動路線
  • 零售、服務與保全業:可應用於顧客服務,如場域導覽、場域管制
  • 農業:可進化為智慧灌溉,及進行更密集的生長狀況巡檢,精進種植技術
  • 3C 產業:您可能很快聯想到掃地機器人,但其實還更多的居家照護型機器人都需要這樣的能力
  • 無人機應用:相似的技術可運用在無人機上,除了前述的應用外,更可以加上大範圍的場域巡檢、警戒,及無人機的智慧運輸等等

及多面向的技術混合使用,包括了電腦視覺,結合雲端深度學習以及邊緣運算等等,且又具有人工智慧加物聯網的應用情境,做一台無人載具就像打怪一般,帶給您破關的快感。

本實作坊將以兩天的時間,帶領您實作一台無人載具,集當今熱門技術之大成,具有極高的性價比。

誰適合參加

這是一個入門的實作工作坊,歡迎任何對於具備程式開發經驗,並且對於開發智能無人載具有興趣的朋友報名參加。

智能無人載具開發工作坊
工作坊主要內容包括
  • 1. 電腦視覺處理
  • 2. 深度學習實作
  • 3. 物聯網邊緣運算
智能無人載具開發工作坊
完成後將了解並且獲得
  • 1. 如何使用雲端執行深度學習運算
  • 2. 如何利用邊緣運算執行電腦視覺處理
  • 3. 一台具備利用電腦視覺偵測環境能力的 AGV 無人車(不含 Intel Movidius)
具備利用電腦視覺偵測環境能力的 AGV 無人車
講師介紹
張書源 John Chang / 微軟大中華區前瞻技術合作事業部 資深軟體開發協理

張書源 John Chang / 微軟大中華區前瞻技術合作事業部 資深軟體開發協理

張書源 John Chang 目前擔任 Microsoft 亞太區技術專家,專注在人工智能與物聯網的解決方案,對於雲端服務架構以及商務應用發展具有多年實務經驗,近期也致力於推廣人工智能在產業方面的應用。曾經擔任全球雲端合作戰略官、雲端與人工智能應用架構師、企業應用整合顧問以及講師。專注在雲端服務以及與企業應用程式整合的相關技術,以及與技術社群的合作。

曾吉弘 David Tseng / CAVEDU 教育團隊的創辦人

曾吉弘 David Tseng / CAVEDU 教育團隊的創辦人

曾吉弘 David Tseng 是 CAVEDU 教育團隊的創辦人,對於AI、雲端物聯網、嵌入式機器人與行動 app 設計有多年的實務經驗,同時也有出版多版相關專業書籍。擁有豐富的專業背景在,智能雲端服務、圖形化程式教學以及 IoT 物聯網系統。曾經是 MIT 電腦科學與人工智慧實驗室訪問學者,以及 Master Trainer in Education Mobile Learning 翰吉出版 總編。

徐豐智 FENG-CHIH HSU / CAVEDU教育團隊

徐豐智 FENG-CHIH HSU / CAVEDU教育團隊

徐豐智 FENG-CHIH HSU 翰吉出版 PM & 作者,擁有豐富的專業背景在,智能雲端服務、圖形化程式教學以及 IoT 物聯網系統。同時也出版多版雲端物聯網、嵌入式機器人與行動 app 設計專書作者。

開課日期:12/10~11

課程規劃:2 天的深度學習課程 ( 12 小時 )

上課地點:台灣微軟南部辦公室(高雄市苓雅區四維三路 6 號 11 樓)

招生人數:小班菁英教學,每班 20 人為限

費       用:18,000

費用用於支付課程相關開支,包括 AGV 無人車含攝影機一台(AGV 無人車圖片為示意,實際造型以主辦單位提供為準)、講師費用、餐費,以及上課中所需要的雲端運算費用。
時間
Agenda
DAY 1
09:30 – 10:00
報到
10:00 – 12:00
Azure 深度學習與電腦視覺
邊緣運算框架介紹
12:00 – 13:00
午餐休息
13:00 – 14:30
無人載具組裝
14:30 – 14:45
Break
14:45 – 16:00
Azure 雲端環境操作
16:00 – 16:15
Break
16:15 – 17:00
Azure 深度學習運算操作
時間
Agenda
DAY 2
09:30 – 10:00
報到
10:00 – 12:00
AGV 電腦視覺處理
12:00 – 13:00
午餐
13:00 – 14:30
AGV 電腦視覺處理
14:30 – 14:45
Break
14:45 – 16:00
利用 Azure Custom Vision
訓練物件模型
16:00 – 16:15
Break
16:15 – 17:00
結合雲端與邊緣物件模型進行環境辨識