人工智慧 - HackMD

# 人工智慧僑光科技大學資訊科技系 2021/02/25 ~ 2021/06/24 授課老師：高吉隆電子信箱：[kevinkao888@gmail.com](mailto://kevinkao888@gmail.com) ###### tags: `講義` --- # 課程介紹 * 課程大綱 * 每週目標 * 成績計算 ---- ## 課程大綱 1. 人工智慧的基礎知識 2. 機器學習的基礎知識 3. 機器學習的核心技術 4. 機器學習的演算法 5. 深度學習的基礎知識 6. 深度學習的核心技術 7. 深度學習的演算法 8. 開發環境與系統開發 ---- ## 每週目標 * 前 9 週上課目標 * 案例研讀 * 作業繳交 * 案例報告 * 後 9 週上課目標 * 分組實作 * 規劃報告 ---- |週| 前 9 週上課目標 | |:-:| --------------- | | 1 | 資訊創新之概念 | | 2 | 競賽案例分享(一) | | 3 | 案例閱讀題目選定 | | 4 | 報告初稿繳交 | | 5 | 案例分享報告(9組) | | 6 | 案例分享報告(9組) | | 7 | 案例分享報告(9組) | | 8 | 案例分享報告(9組) | | 9 | 案例分享報告(9組) | ---- | 週 | 後 9 週上課目標 | |:--:| --------------- | | 10 | 分組與題目訂定 | | 11 | 分組討論與分析| | 12 | 分組討論 | | 13 | 書面資料製作 | | 14 | 書面資料繳交 | | 15 | 影片介紹製作 | | 16 | 分組成果報告(9組) | | 17 | 分組成果報告(9組) | | 18 | 分組成果報告(9組) | ---- ## 評分標準 * 平時成績：50% * 上課互動：10% * 證照考：20% * 讀書報告：20% * 期中成績：20% * 期中考試：20% * 期末成績：30% * 期末報告：30% --- ### 第一次小考成績統計(107孝) ||平均|最高|最低|未到考|不及格 |:-:|-:|-:|-:|-:|-:| |原始分數|90|99|75|10人|0人 |含未到考|87|99|70|70|0人 ![](https://i.imgur.com/5Dp1efK.png) ---- ### 期中考成績統計(107孝) ||平均|最高|最低|未到考|不及格 |:-:|-:|-:|-:|-:|-:| |原始分數|70|95|38|3人|10人 |加5分後|73|100|40|40|11人 ![](https://i.imgur.com/Td5Qy1N.png) --- ### 讀書報告 * 參考書：向AI贏家學習 1. 「AI食品原料檢查設備」，逆轉思維確保食安 2. 「包裝設計喜好度評估預測AI服務系統」，徹底改變市調作業 3. 從水處理到巧克力，流體動態影片與靜態影像辨識大不同 4. 自動辨識貨架商品建議配置，改變製造商、批發、零售的角力 5. 從改善生產流程到改善製造業，提升人工目測檢查效率 6. 用深度學習掌握超商香菸陳列，以競賽作為獲得新技術的工具 7. 分析餐廳暢銷菜單，開發外食數據標註技術 8. 數據化強化選手戰力、分析球隊效益，訓練強度定量化 9. AI即時自動模糊加工處理，5G時代不只是通訊的多樣化服務 10. 從日常對話到跨國商務，運用深度學習自動翻譯降低語言門檻 11. 連結現實與數位，找便宜加油站、停車空位輕鬆搞定 12. 「AI股票投資組合診斷」協助投資，讓資產變十三倍 13. 重現熟練操作員的雙眼，提高五倍垃圾處理效率 14. 自動排除幼兒「NG照片」，解決幼兒園照護課題 15. 餐廳自動結帳系統因應人力不足問題，讓氣氛更輕鬆活絡 16. 辨識貨車車牌影像，縮短物流據點等候貨物時間 17. 讀取財務報表數字自動製作報告書，實現高準確率自動化智庫 18. 偵測駕駛習慣和風險因子，以資訊科技減少交通事故 19. AI與機器的「拉鋸戰」，食品加工製造生產線另闢蹊徑的智慧 20. 自動讀取加工設計圖面，解決產業嚴重人力不足問題 21. 以原有強項為基礎，建立低單價累積長程獲利的商業模式 22. 運用深度學習新手法更精確預測降雨，不用超級電腦即可完成 23. 全球首創運用深度學習偵測證交所不當交易，假買賣無所遁形 24. 用AI揭發網路名人不法行為，揪出灌水的網紅追蹤者人數 25. 從眼底影像解讀健康狀況，設備的資料加工化為商機 26. 超低價深度學習系統，運用邊緣裝置實現高準確率人臉認證 ---- ### 人工智慧期中心得報告 * 請找1-2位同學成為1小組 * 填寫主題名稱、組長及組員名單 * 填寫網址：[連結](https://hackmd.io/A-NoYbEHQbCIcUiSIPhKpw?edit) * 繳交：免口頭報告，上傳影片至平台 * 內容：3分鐘影片(需結合簡報、錄音等內容) * 可用[Powtoon](https://www.powtoon.com/index/)來製作動態影片 * 可用[oCam](http://wis.ocu.edu.tw/base/10001/board/1000022673/000000044/WM60a47e5e1d4d5.exe)製作螢幕錄製及錄音 * 可用[MP4Tools](http://wis.ocu.edu.tw/base/10001/board/1000022673/000000044/WM5e74663c3230d.exe)來影片的切割、合併 * 請於規定時間內上傳作業至僑光網路教學平台 * 上傳網址：[連結](http://wis.ocu.edu.tw/) ---- ### 人工智慧期末報告 * 請找1-3位同學成為1小組 * 填寫主題名稱、組長及組員名單 * 填寫網址：[連結](https://hackmd.io/N2_k5IWoSG2U-GgLzf9Ykg?edit) * 內容：以下二個方案擇一(3分鐘影片) * 方案一：請直接使用汽車價格預測報告 * 使用該模型但資料不能是汽車價格 * 可以找其他資料(不是汽車的資料) * 方案二：請使用在MLS中其他案例 * 請同學填寫期末報告主題名稱 * 繳交：上傳影片至[僑光網路教學平台](http://wis.ocu.edu.tw/) --- ### Microsoft Machine Learning Studio * 網址：[Machine Learning Studio](https://azure.microsoft.com/zh-tw/services/machine-learning-studio/) ![](https://i.imgur.com/WHMWBZc.png =700x500) ---- #### Machine Learning Stduio 特色 * 不需要寫程式即可完成機器學習的完整過程 * 包含資料整理、模型設計、訓練、測試和佈署 * 不必申請雲端AZure帳號，在雲端上使用 * 若需上傳資料，需申請Microsoft免費帳號 * 平台包含許多範例資料，可透過案例學習 * 可透過相同界面，上傳資料做案例研究 * 可載入預先訓練好之模型，以簡短步驟完成模型 * 只要會調整模型數據，即可直接訓練 * 整個機器學習過程只要5分鐘即可完成 * 方便初學者及跨領域之專業人員使用 ---- #### Machine Learning Studio 示範 * 網址：[https://studio.azureml.net/](https://studio.azureml.net/) * 三種方案使用 ![](https://i.imgur.com/kJHOOWp.png) ---- #### AZure ML Studio 三種方案 * 快速測試：Guest Workspace * 每次8小時測試(永久)，免登入帳號 * 快速使用現成範例資料及所有模型 * 普遍使用：Free Workspace * 註冊微軟帳號、10G空間、免費使用 * 可以用 GMail 帳號申請，但不能用 OCU * 也可以用手機號碼申請，再申請 outlook 帳號 * 企業應用：Standard Workspace * 完整服務等級支援 * 可直接捉取AZure雲端空間 ---- #### Machine Learning 基礎知識資源 * Youtube影片：台大資工教授林軒田提供 * [連結](https://youtu.be/nQvpFSMPhr0) * 微軟教學網頁：[連結](https://docs.microsoft.com/zh-tw/azure/machine-learning/classic/studio-classic-overview) ---- ### ML Studio 案例操作汽車價格預測 * 使用 Guest Workspace：[連結](https://studio.azureml.net/Home/Anonymous)、[說明文件](https://docs.microsoft.com/zh-tw/azure/machine-learning/studio/create-experiment) * 左下角：New->Blank Experiment->輸入標題 * 輸入：Automobile price data->拖曳 * 資料來源：[連結](https://archive.ics.uci.edu/ml/machine-learning-databases/autos/imports-85.data) * 資料說明：[連結](https://archive.ics.uci.edu/ml/machine-learning-databases/autos/imports-85.names) * Dataset->Visualize->用統計圖形了解屬性 * 統計資訊： * Feature Type：String / Numeric * String Statistics：Unique / Missing Values * Numberic Statistics：Mean / Median / Min / Max / Standard Deviation ---- #### ML Studio 案例操作汽車價格預測(2) * 輸入：Select Columns in Dataset() -> 拖曳 * 拉線從：Automobile price data(Row) * 點按：Lanuch column selector -> WITH RULES * 選擇：Begin With -> ALL COLUMNS -> exclude -> normalized-losses * 點按：RUN -> 26 Columns -> 25 Columns * 搜尋區輸入：Clean Missing Data -> 拖曳 * 拉線從：Select Columns in Dataset * 點按：Lanuch column selector -> WITH RULES * 設定：Cleaning mode -> Remove entire row * 點按：RUN -> 205 Rows -> 193 Rows ---- #### ML Studio 案例操作汽車價格預測(3) * 搜尋區輸入：Select Columns in Dataset -> 拖曳 * 拉線從：Clean Missing Data * 點按：Lanuch column selector -> BY NAMES * 選擇：make,body-style,wheel-base,engine-size,horsepower,peak-rpm,highway-mpg,price * 搜尋區輸入：Split Data -> 拖曳 * 拉線從：Select Columns in Dataset * 輸入：Fraction of rows in the first output dataset (0.75) * 輸入：Random seed (12345) * 點按：RUN -> 193 Rows -> 145 and 48 Rows ---- #### ML Studio 案例操作汽車價格預測(4) * 搜尋區輸入：Linear Regression -> 拖曳 * 搜尋區輸入：Train Model -> 拖曳 * 拉線從：Linear Regression * 拉線從：Split Data(左邊) * 點按：Lanuch column selector -> WITH RULES * 選擇：price * 搜尋區輸入：Score Model -> 拖曳 * 拉線從：Train Model * 拉線從：Score Model * 搜尋區輸入：Evaluate Model -> 拖曳 * 拉線從：Score Model ---- #### ML Studio 案例操作汽車價格預測(5) ![](https://i.imgur.com/31XKEPx.png =600x600) ---- #### ML Studio 案例操作汽車價格預測(6) ![](https://i.imgur.com/3sAJ96e.png =800x600) ---- #### ML Studio 案例操作汽車價格預測(6) * 價格與預測值之比較 ![](https://i.imgur.com/hsfZlCX.png) --- ### ML Studio 案例操作英文字母識別 * 使用 Guest Workspace：[連結](https://studio.azureml.net/Home/Anonymous) * 左下角：New -> Search experiment templates * 輸入 Sample 7：找到 Letter Recognition * Train, Test, Evaluate for Multiclass Classification * 選擇 View in Gallery：範例說明([連結](https://gallery.azure.ai/Experiment/a635502fc98b402a890efe21cec65b92)) * 選擇 Open in Studio：實作練習([連結](https://studio.azureml.net/Home/ViewWorkspaceCached/1309654da1e445e0a944df88dfdef58e#Workspaces/Experiments/Experiment/1309654da1e445e0a944df88dfdef58e.f-id.1c9effcb89fc44af98ce01f0f38bb380/ViewExperiment)) ---- #### ML Studio 案例操作英文字母識別(2) * 資料集介紹：[下載](http://archive.ics.uci.edu/ml/machine-learning-databases/letter-recognition/) * 20000筆： * 採集來源：20種不同字體 * 處理方式：隨機扭曲變形後計算各個特徵值 * 標準化：將特徵值數值轉換至數字範圍(0-15) * 17欄： * 1㯗：大寫字母(A-Z) * 16欄：數字特徵值(整數)(0-15) ---- #### ML Studio 案例操作英文字母識別(3) * 各種特徵值計算方式(如以下幾種) * y-box：vertical position of box * width：width of box * high：height of box * onpix：total # on pixels * x-bar：mean x of on pixels in box * y-bar：mean y of on pixels in box * x2bar：mean x variance ---- #### ML Studio 案例操作英文字母識別(4) * 各種特徵值計算方式(如以下幾種) * y2bar：mean y variance * xybar：mean x y correlation * x2ybr：mean of x * x * y * xy2br：mean of x * y * y * x-ege：mean edge count left to right * xegvy：correlation of x-ege with y) * y-ege：mean edge count bottom to top * yegvx：correlation of y-ege with x ---- #### ML Studio 案例操作英文字母識別(5) * 機器學習模型 ![](https://i.imgur.com/oHAvqsx.png =550x550) ---- #### ML Studio 案例操作英文字母識別(6) * 資料來源統計 ![](https://i.imgur.com/c6WBMVO.png) ---- #### ML Studio 案例操作英文字母識別(7) * 資料切割：部分訓練、部分測試 ![](https://i.imgur.com/6JLiSje.png) ---- #### ML Studio 案例操作英文字母識別(8) * 預測分數： ![](https://i.imgur.com/XRJsrEQ.png)

Syntax	Example	Reference
# Header	Header	基本排版
- Unordered List	Unordered List
1. Ordered List	Ordered List
- [ ] Todo List	Todo List
> Blockquote	Blockquote
Bold font	Bold font
Italics font	Italics font
~~Strikethrough~~	~~Strikethrough~~
19^th^	19^th
H~2~O	H₂O
++Inserted text++	Inserted text
==Marked text==	Marked text
[link text](https:// "title")	Link
![image alt](https:// "title")	Image
`Code`	`Code`	在筆記中貼入程式碼
```javascript var i = 0; ```	`var i = 0;`
:smile:		Emoji list
{%youtube youtube_id %}	Externals
$L^aT_eX$	L^aT_eX
:::info This is a alert area. :::	This is a alert area.