MLCC Study Jam @ CCNS 二日課程

  • 2019/05/18(Sat) 09:00(+0800) ~ 2019/05/19(Sun) 17:30(+0800) ( iCal/Outlook, Google Calendar )
  • 國立成功大學 成功校區 資訊工程學系 新館 65405教室 / 國立成功大學 成功校區 資訊工程學系 新館 65405教室
  • 0 / 48
  • CCNS Contact Organizer

活動簡介

適合對象:此為機器學習領域的基礎入門課程,本活動會有專業的志工講師和助教帶領你學習與實作。

我們預計以兩天的時間教授 MLCC 的課程,盡量涵蓋其中的重要概念與實作。參與者需具備基礎代數知識,同時需有使用 Python 語言的經驗,以進行課程中的 programming 練習。若不確定您是否具備課程所需的先備能力,請查看:https://developers.google.com/machine-learning/crash-course/prereqs-and-prework#key-concepts
〔註:因活動需要使用電腦,參與者須自行攜帶筆記型電腦、電源線,現場提供網路及電源。〕

(Required) 兩天課程因需操作 Python 程式及 Colab,為課程順利進行,請於課前完成以下練習並熟悉與之相關的工具使用,課堂上我們不會再詳細講解這幾個練習,以下練習不需要 ML 基礎,約 0.5 ~ 2 小時可以完成:

(Optional) 另外以下 Colab 上課中會提到,但不會詳細解說程式實作細節,若時間允許可事前看過一遍,有關 ML 的部分可以先略讀

 

議程

Day 1

9:00 - 9:25 Registration

— Opening —

9:30 - 10:10 (40 min)

1.1 Introduction to ML
1.2 Framing
1.3 Descending into ML
1.4 Reducing Loss

— Short Break —

10:20 - 10:50 (30 min)

1.5 First Steps with TensorFlow (Colab1)
1.5 First Steps with TensorFlow (Colab2)

— Short Break —

11:00 - 12:00 (1 hr)

1.6 Generalization
1.7 Training and Test Sets
1.8 Validation
1.8 Validation Colab

— Lunch Break —

13:00 - 13:50 (50 min)

1.9 Representation
1.9 Representation Colab

— Short Break —

14:00 - 15:00 (1 hr)

1.10 Feature Crosses
1.10 Feature Crosses Colab
1.11 Regularization: Simplicity

— Short Break —

15:10 - 16:10 (1 hr)

1.12 Logistic Regression
1.13 Classification
1.13 Classification Colab

— Closing —

 

Day 2

9:00 - 9:25 Registration

— Opening —

9:30 - 10:00 (30 min)

1.14 Regularization: Sparsity
1.14 Regularization: Sparsity Colab

— Short Break —

10:10 - 11:00 (50 min)

2.1 Introduction to Neural Nets
2.1 Introduction to Neural Nets Colab

— Short Break —

11:10 - 12:00 (50 min)

2.2 Training Neural Nets
2.2 Training Neural Nets Colab

— Lunch Break —

13:00 - 13:50 (50 min)

2.3 Multi-Class Neural Nets
2.3 Multi-Class Neural Nets Colab

— Short Break —

14:00 - 14:50 (50 min)

2.4 Embeddings
2.4 Embeddings Colab

— Short Break —

15:00 - 15:30 (30 min)

2.5 Production ML Systems
2.6 Static vs. Dynamic Training
2.7 Static vs. Dynamic Inference
2.8 Data Dependencies

— Short Break —

15:40 - 16:10 (30 min)

2.9 ML Real World Examples: Cancer Prediction
2.10 ML Real World Examples: 18th Century Literature
2.11 ML: Real-World Guidelines

— Closing —


關於 MLCC ?

課程網站:https://developers.google.com/machine-learning/crash-course/

MLCC (Machine Learning Crash Course) 為 Google 開發的緊湊且實用的機器學習線上簡介課程,原為 Google 設計給 Google Engineers 學習的內部課程,在 Google 內部相當受歡迎,2018 年 Google 將其完全免費公開給所有人,期待普及 AI 教育!課程總長度約 10~15 小時,內容包含一系列影片講座、實際案例分析與 TensorFlow 實戰演練。

本課程對象是有程式基礎且想深入了解 AI / ML 相關技術的學習者,課程涵蓋機器學習、類神經網路等 AI / ML 相關基礎知識,並會帶領各位以 TensorFlow 在實際的資料上進行演練,課程最後會有實務應用上會遇到的問題討論,內容相當充實,期待能讓大家滿載而歸!

MLCC Study Jam 課前先備知識(若您沒有這些背景也歡迎您參加,課前會提供相關的背景介紹的閱讀資料,課堂上也會對這些背景知識有基本的介紹):

* 掌握入門級代數及統計知識,包括變數、線性方程式、函數圖、平均值和變異數等(熟悉對數和導數等更高級的數學概念會有幫助,但不是必需條件)
* Python 程式基礎(若欲參與兩天的課程)

歡迎各界對相關技術有興趣者報名參加!


活動地點

國立成功大學 成功校區 資訊工程學系 新館  65405教室

 


關於CCNS

Campus Computer & Network Society

成立於1995年,電腦網路愛好社為成大的開源人社群之一
今年的目標在於打造開源系統,使校園更便利,同時培養開發能力
若你對開放校園或其他應用懷抱想法,想一同參與,打造,歡迎加入我們

 

社團網頁:https://ccns.io
臉書粉專:https://www.facebook.com/ncku.ccns

臉書社團:https://www.facebook.com/groups/560735220608315

 
國立成功大學 成功校區 資訊工程學系 新館 65405教室 / 國立成功大學 成功校區 資訊工程學系 新館 65405教室

Event Tickets

Ticket Type Sale Period Price
Next Step

0 Attendees