無論是製造半導體晶片、飛機、汽車、智慧手機，還是食品或飲料，從產品品質和產量都可看到優化後的關鍵成果。 低品質和產能會導致顯著的營運、財務和企業聲譽的成本增加。以電腦視覺為基礎的深度學習技術使製造商能夠執行自動化的視覺檢測，與一般人工和以規則為基礎的傳統視覺檢測流程相比，AI 電腦視覺偵測可以提高效率、降低營運成本並提供更一致的結果。
本堂深度學習機構 (DLI) 的實作坊，開發人員將學習如何建立端到端硬體加速工業偵測管道以自動進行瑕疵檢測。本課程將以 NVIDIA 自己的實際生產資料數據做為範例，我們將說明如何輕鬆的開發應用程式並應用到各種製造使用者案例上面，開發人員還可學習到如何去辨識，以及減少深度學習為基礎的電腦視覺任務中的常見缺陷，最後到部署和衡量其 AI 解決方案的有效性。
所有實作坊的學員都可以透過課程內配置好的 GPU 加速伺服器來學習，以及獲得 DLI 認證講師的專業指導，並有機會與參加研討會的其他開發人員、資料科學家和研究人員互相討論。完成課程任務後還可獲得技能認證證書，協助未來專業職涯發展。
學習目標
藉由本堂實作坊，您將學習如何：
- 使用 Pandas Dataframe 探索數據資料，並從中萃取有意義的見解。
- 將遷移學習應用於深度學習的分類模型。
- 微調深度學習模型並設置評估指標。
- 部署和衡量模型的性能。
下載實作坊大綱與簡介 (PDF 39.1 KB)