AIoT 翻轉未來20年最強的產業顛覆力

目前AI的技術應用，可分為AI on Cloud還是AI on Edge。即AI on Cloud即AI模型建立在雲端，終端裝置本身計算力不用太強，只要能連結Internet即可達成AI應用，許多AIoT智能物聯網都是以此方式來實現。另一個AI on Edge(邊緣運算)，為了減少資料往返網路的延遲時間，而將AI模型建立在終端裝置本身，但也因如此，終端裝置本身要有一定的算力，故Intel NCS2、Google Edge TPU和Nvidia JETSON便因應而生。

本課程以AI技術(機器學習、深度學習) 為軸，並結合影像處理、自然語言處理帶出Telegram Bot、物聯網、人臉識別、圖像識別等各式專案開發。此外，能將這些應用結合Intel NCS2，將電腦視覺與AI人工智慧整合進物聯網（IoT）及邊緣裝置中。

關鍵詞: OpenVINO、Intel NCS2、神經運算棒、AIoT 、邊緣運算、 Telegram 、機器學習、深度學習、物聯網、人臉識別

• 了解OpenVINO Toolkit架構，能在終端裝置利用NCS2快速進行開發
• 了解HAAR演算法並知道如何以python實作 (From Scratch)
• 了解 Adaboost 演算法並知道如何以python實作 (From Scratch)
• 學會如何利用HARR+Adaboost進行人臉偵測
• 了解HOG 演算法並知道如何以 python實作 (From Scratch)
• 學會如何利用HOG + 支持向量機(Support Vector Machine, SVM) 進行人臉或物件識別
• 學會如何CNN原理及遷移學習的方法，建立人臉識別系統
• 了解NLP中文處理: 文字編碼與句子向量
• 學會結合Telegram Bot即時通訊的問答系統實作

• 已學過AI，但想進一步學習如何將AI演算法轉換成實際應用之工程師。
• 對於AI演算法大致理解，但想學習如何將本機端的AI模型部署到終端硬體之工程師
• 欲進行邊緣運算開發之專案，想學習各階段開發技巧，縮短自我摸索時間之工程師
• 學習背景:

1. 有基礎機器學習/深度學習知識者佳

2. 有Python 程式設計基礎者佳

3. 會基礎Raspberry Pi/ Linux使用者佳 (針對AI邊緣運算使用Raspberry Pi 時)

• HOG演算法說明與python實作 (From Scratch)

• 圖檔爬蟲程式撰寫

• 建立圖檔HOG特徵

• Scikit-Learn實現SVM與LogistcRegression

• 專案: HOG Features+ Classifier :人臉/物品偵測與識別▼

• HAAR演算法說明與python實作 (From Scratch)

• Adaboost Classifier

• 專案: HAAR Features人臉偵測

• 遷移學習（transfer learning）和微調（fine-tune）原理說明

• 使用MobileNet建立圖像特徵 (Image Embedding)

• 建立DNN Classifier

• MQTT協定- 警示通知

• 專案: 人臉門禁系統(使用Tkinter界面): 加入/刪除/登入人臉帳號▼

• 專案: 人員進出的計數

• NLP自然語言處理-jieba斷詞與中文句子處理

• Sentence Embedding

• 建立Telegram Bot

• 專案: 在Telegram上建立Q&A問答系統▼

• Intel NCS2 神經網路加速棒簡介

• OpenVINO Toolkit 架構說明

• 由Keras (.h5)模型轉成IR (.xml & .bin)檔案

• Raspberry Pi 安裝OpenVINO

• 建立OpenVINO應用程式- 程式架構與CMAKE說明

• 專案: WebCam串流人臉偵測

• 專案:WebCam 即時手寫數字辨識 (OpenCV與MNIST)▼