Search
AI/ML 運算，容易遇上延遲、耗電、成本高的窘境？💥 如何優化以實現低功耗與高效率？
Arm 很有誠意的直接 Demo 給你看！
2021 Arm 終端 AI 運算生態高峰會，將由完整開源 AI 生態系夥伴以及 Arm 首席應用工程師親自 Demo 利用各式開源軟體開發 Endpoint AI，提升軟硬體效能、優化工作負載
還有 「AI 界網紅」台大電機系副教授李宏毅揭曉讓 AI 使用未標註的資料進行學習的超實用心法，把資料蒐集、清洗成本都砍到最低
🚀 人工智慧是以「週」為單位快速發展，抓緊 7 大 session 以及和每位講者進行 QA 解惑的機會
報名還有機會拿到實用小禮 >> https://supr.link/DqrwZ
#AI #人工智慧 #機器學習 #TensorFlow #ONNX
第二集預告來囉～
明天15:00-16:00 民視新聞台
一起來看《下一步AI · NEXT 愛》
YouTube🔗 https://youtu.be/T5qid-P2q8I
#下一步AI #東臺傳播
#國家實驗研究院 #科技部
【集合啦 電機系防疫森友會】
這篇可不是遊戲攻略，但過程中的確有很多挑戰需要克服。
此波疫情發展初期，本校即運用電資學院技正劉振森的「非接觸體溫量測技術」為基礎開發出「防疫一號」。比起傳統測量額溫的方式，主要能達到簡化測量體溫流程，以及減少量測人員負擔及被感染風險。
正式使用後，在臺大教職員工生的通力合作下，功能與時俱進，目前已經升級到1.6版，不僅加裝Wi-Fi天線與藍芽，以強化收訊與資料傳送功能，也增加LCD螢幕、蜂鳴與亮燈的體溫警示功能，使用上更為簡便且有效。資料則是傳輸不落地，計算機及資訊網路中心加密儲存，有確診案例時才回溯追蹤。
這段不斷自我突破的過程，研發成員包含臺大計算機及資訊網路中心的設計師陳啟煌、幹事鄭彥宏；電機工程學系副教授李宏毅帶領著陳柏志、施力維、徐子程、施貽仁、劉昀昇、吳兩原以及黃世丞等七位同學組成的「防疫森友會」，並由總務處防疫團隊及副理張耀祖協助整合，充分展現出師生共作與跨單位合作的軟硬體整合與研發能量。
防疫一號開發初期，也仰賴電機系1975級系友的熱情捐款。臺大取之於社會，用之於社會，願意無償提供防疫一號的製造Know How給國內有需要的單位，善盡大學的社會責任，一同為國內抗疫貢獻心力，「NTU can help」！
🌳防疫一號技術問題，請洽詢本校總務處張先生
Email：yaotsu1011@ntu.edu.tw
🌳防疫一號改良軟硬體開源：
https://github.com/TobyChen0106/Automatic-Forehead-Thermometer
延伸閱讀：
🌲民視「『NTU can help』！台大釋出測溫器製造技術」：
https://www.ftvnews.com.tw/news/detail/2020508L03M1
🌲華視「防疫超前部署 台大校園至今0確診」：
https://news.cts.com.tw/cts/life/202005/202005081999749.html
🌲中時「台大無償提供「防疫一號」1.5版關鍵製造技術」：
https://www.chinatimes.com/realtimenews/20200508001879-260405?chdtv
🌲大成報「參考台大公布『防疫一號』 新竹區監理所自製智能感溫器」：
http://n.yam.com/Article/20200330817924
#說下次要研發R2D2我也是信了
#不是動物森友會是防疫森友會
#其中有一位成員沒有女朋友
#但這邊不好幫他徵友
#貢獻所學
#發揮所長
#大學社會責任
#USR
【一段AI與青春的旅程】🦄🎼🍿🍭
科技部希望藉由向高中生宣傳「科技大擂台」相關活動，使高中生有更多機會去了解未來科技的發展趨勢。
🎯科技部 陳良基部長對著台下學生說：「很快的未來，人工智慧(AI)將改變世界，就算你們對人工智慧的技術面沒有興趣，也可以思考如何把這個工具跟自己的興趣專長結合。」
🎯台大 李宏毅老師在與學生的對話當中也提到：「在進行“人工智慧應用”的過程當中有很多事情需要做，所需的人才並非只有寫程式。然而如果高中生想進行機器學習，現在有很多好用的套件，使得門檻已經不是那麼高了，所以想嘗試機器學習的高中生其實是可以開始進行的。」
#一段愛與青春的旅程
#科技部長給高中生的AI建議
#台大李宏毅老師給高中生的AI建議
👉更多精彩對話，就在影片當中～
李宏毅 webpage for ML 2021: https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html. ... <看更多>
台灣AI界最強YouTuber ～台大電機系. 李宏毅教授。 雖然不是最新消息，但就是想秀一下我們家的教授。小編就這麼任性，不服，咬我呀!! ... <看更多>
李宏毅台大電機 在 [評價] 106-1 李宏毅機器學習- 看板NTUcourse - 批踢踢實業坊 的推薦與評價
※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：
是
哪一學年度修課：
106-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
李宏毅
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
電機系/電機所/電信所
δ 課程大概內容
課程網址：https://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17_2.html
Ω 私心推薦指數(以五分計) ★★★★★
★ ★ ★ ★ ★五顆全滿
不論是內容，loading，最後給分都是五顆滿(意思是loading也不太重)
η 上課用書(影印講義或是指定教科書)
內容基本上是老師投影片
μ 上課方式(投影片、團體討論、老師教學風格)
課程主要內容都在youtube上，如果有新的內容老師會親自上課。其中會有幾堂課
請外面講師或是其他老師來講課。另外每次作業結算前一週會有所謂“手把手教學”
，並選一些“小老師”給大家上課時間問問題。每次作業結算後的前五名會上台
分享作法，有分享會有額外加分。
老師教學風格是非常異常的易懂，老師擅長把一些不好解釋的東西解釋得很清楚，
而且完全不會有距離感。
σ 評分方式(給分甜嗎？是紮實分？)
作業 10% ，一共六次
Final 40%
評分都非常不刁難，不要太粗心作業分數應該都可以全拿。我自己因為前五
名分享的額外分數拿了三次，所以不確定如果只拿基本分這個沒拿的話分數
是最後會如何就是了。因為中間有一兩次上傳檔案的問題導致被扣一些分數，
我實拿的分數可能跟一般全拿差不多吧我猜，最後拿了a+。
ρ 考題型式、作業方式
沒有任何考試分數
作業是Kaggle的課堂比賽，以個人為單位進行。
分數計算使用Simple Baseline跟Strong Baseline。兩個baseline都不會訂
得太難，且都有兩或三週的時間外加超佛心手把手教學時間，只要有跟上課
程這部分要全拿基本上沒什麼問題。每次作業都有report report分數也不難
拿，敘述最好要有數據佐證。Final Project非常重要（40%），寫起來會比
平時作業複雜一些，是以分組進行的。期末會有作業五作業六和期末一起趕
死線的情況發生。
把程式碼上傳的時候真的要檢查仔細，不然到時候因為格式或是一些冒失的錯
誤可能會在分數上讓你後悔（可能比沒過一個baseline還傷）。
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
寫完hw0全簽的樣子（學期初總人數約400人），但是下學期也許不會這樣，下學
期換成吳沛遠老師主授（和李宏毅老師合開），不過聽說課程主軸和作業都會跟
這學期的差不多～
程式基礎的話要求應該不是太高，原因是python上手很快，我也是修這門課才
碰py的（以前的基礎是c/c++, java, matlab），最少最少基本的程式邏輯（
例如至少熟悉for, if else）要熟一點。
數學的部分我覺得至少就是微分（畢竟最至少gradient descent還是要聽懂？
）要完成六次作業，拿到kaggle雙baseline的分數的話大概就是把課程內容聽
懂完全就夠了。
如果平常會查額外資料或是讓自己kaggle分數可以到前幾名之類的，可能因為
paper多少牽扯到線性代數的推導以及一些機率的東西，矩陣運算有基本的認識
會讓查資料更無痛就是了。
我自己有跟實驗室所以沒有計算資源（GPU）的問題，也推薦大家在有計算資
源的情況下修課，不然某些作業可能會有點累，或是期末project如果用cpu跑
可能沒跑幾次就deadline了（我實際沒跑過可能太誇張）。畢竟就算model很好了
方法對了，還是得調參數，計算時間嚴重影響調參數的心情xdd。除了計算資源
，推薦找朋友一起修，我認為有朋友一起討論會事半功倍（模型好壞，課外資
料互相分享與討論等等..）雖然老師有提供外面廠商贊助的計算資源，不過我沒
用過所以也不知道實際上沒有gpu會不會很累。
Ψ 總結
如果怕字多，總之就是大推xdd
loading來說我認為不會太重，只要不要最後一天才開始寫應該不會手忙腳亂。
這門課更精準一點說，內容偏向機器學習中的“深度學習”，雖然有幾次作業會
用到不是dl的方法，例如可能作業二會想用random forest等等的方法，不過尤其
是中間偏後都比較屬於深度學習的內容。老師課程內容偏向讓大家無痛入門。如
果想要細部了解的話會發現隨便一個標題或是舉到的方法都是一到數篇paper講
的東西。
雙baseline雖然分數不難拿，但是要拿到前五名可以上台分享加分的話，可能要
多查一些資料或是paper，以我來說我幾乎每次都會查除了老師上課教的以外的方
法，這部分也是我學到最多的地方，經由老師帶我入門，我再以這些基礎去查相
關資料。過baseline的時間會遠小於精進到前幾名的時間，六次作業裡面我上台
分享了三次，幾乎每次都是公佈作業第一天過雙baseline，剩下時間衝排名xdd。
我私自認為過雙baseline就停了非常可惜，自己學到的許多東西都是在baseline
以後開始精進方法往前衝的部分，而且也幾乎可以證實不是光靠tune參數就可以
tune到前幾名。除了自己查額外資料，平常有事沒事也可以看看老師在mlds的課
程（像是邊吃飯邊看），算是這門ml課程一些題目的延伸，這部分對自己閱讀dl
領域最新的paper也有非常大的幫助。由於六次作業加上final大致上會把課程裡
面教的大部分都用上，算是學以致用感受非常深的一門課。
相信修完這門課應該對於日後想看dl相關領域的資料都可以比較無痛的進入狀況
吧！
除了真的很感謝李宏毅老師（光是願意無視科系收400人...），也再次感謝這學
期強大辛苦助教群！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.117.208
※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1517331904.A.468.html
影片課程的好處是可以非常有效率規劃整學期的時間，遇到比較簡單的部分或是自己事先學
過的部分可以自行快速帶過;而比較不熟的地方還可以多看幾次。有多的時間還可以看老師
其他開課內容（mlds），有問題也可以那週直接找老師本人討論（老師基本上每堂都會到）
，我認爲幾乎找不到什麼缺點哈哈
※ 編輯: NTUching (114.36.117.208), 01/31/2018 01:23:36
※ 編輯: NTUching (114.36.117.208), 02/01/2018 00:44:53
... <看更多>