--- tags: Certification, AI --- # AI相關的證照與趨勢方向! 本篇所提到的AI，涵蓋機器學習與深度學習 將著重於相關證照、課程 了解趨勢方向可以更好掌握此技術未來發展 ## 相關證照與課程 ### [參考此篇](https://www.codespaces.com/best-artificial-intelligence-courses-certifications.html) AI領域的證照大部分都是上課就能得到的，~~說實話**台灣不太看AI的證照**~~ --- ### [Machine Learning by Stanford University (Coursera)](https://www.coursera.org/learn/machine-learning?ranMID=40328&ranEAID=KCWgjpGqTUg&ranSiteID=KCWgjpGqTUg-IatcBpOXo0bwtvFBNPOkzA&siteID=KCWgjpGqTUg-IatcBpOXo0bwtvFBNPOkzA&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=KCWgjpGqTUg) 大部分的英文深度學習課程都是源自於史丹佛，可以自github上搜尋到他的相關作業 "Stanford’s cs231n class" 這大多數是大部分人研究所的惡夢之一 **推薦::star::star::star::star::star:** ### [IBM Applied AI Professional Certificate (Coursera)](https://www.coursera.org/professional-certificates/applied-artifical-intelligence-ibm-watson-ai?ranMID=40328&ranEAID=KCWgjpGqTUg&ranSiteID=KCWgjpGqTUg-0mCdnaGZer0aiYsWTDPHjQ&siteID=KCWgjpGqTUg-0mCdnaGZer0aiYsWTDPHjQ&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=KCWgjpGqTUg) need something --- ## 現行趨勢 ### [人臉辨識] 現在的人臉辨識，大多都是修改用"FaceNet"的模型 要先踏入此領域前，必先觀摩這篇[論文](https://arxiv.org/abs/1503.03832) ### [人體骨架] 現行的人體骨架，全都是自"openpose"這篇論文的延伸 要先踏入此領域前，必先觀摩這篇[論文](https://arxiv.org/abs/1812.08008) ### [瑕疵檢測] 這個想必是台灣電子各龍頭已經有用到的技術 各種晶片、半導體、電子零件，等產品出廠前的檢測 不外乎都會使用到此技術 大大節省人力的成本 ### [語意分析] 這個在業界的方向是，"了解使用者的喜好" 像是某些音樂軟體可能會經由關鍵字以及最近聽的音樂來給使用者推薦內容 ### [光學字元辨識] 光學字元辨識，也就是我們俗稱的OCR(Optical Character Recognition) 這個技術在現在的社會上已有廣大的應用，像是停車場的車牌辨識就是其一 目前比較廣泛使用的應該是keras-ocr，其他的有待研究 論文整理也滿多的，[這裡](https://zhuanlan.zhihu.com/p/54708641) ## 企業愛用 現行深度學習框架有很多種 tensorflow、pytorch、caffee、openvino...... 但就我聽到的，大多數業界最常用的大概還是tensorflow與openvino 但是學界這幾年的變化，導致各領域研究所用的深度學習都導向pytorch 先講業界愛用的那兩款，其優點就是可以用C寫，所以很安全，可以封裝起來 而學界所要求的是"快速"、"支援面向廣"，所以理所當然就愛用pytorch --- ### [tensorflow] [這裡](https://www.tensorflow.org/tutorials/quickstart/beginner)是官方的example ### [pytorch] [這裡](https://pytorch.org/tutorials/beginner/pytorch_with_examples.html)是官方的example ###### tags: `AI` `Certification`