講座內容
1. 深度學習 Live 影像分析
2. 深度學習股價預測
3. Q & A
適合對象
1. 對於降低人工智慧的進入門檻有需求的業界人士
2. 使用圖控軟體進行分析，不需程式設計背景
講座資訊
時間：2018 年 3 月 30 日（星期五）下午 2 點半到下午5點
地點：台北市南港區三重路19-11號1樓(E棟)（中華開發創新加速器活動場地）
費用：免費
詢問電話：(02) 2784-9788
詢問電郵： openrobot@openrobot.club
（信件標題請寫： [ezAI 20180330] 深度學習 Live 影像分析及深度學習股價預測）
講師資訊
本次講座，開源機器人俱樂部為您邀請到人工智慧機器人專家 - 李明達老師主講。
李明達老師曾在大學時自己寫出 AI 象棋程式，研究所時自己寫出多層類神經網路應用於影像分析及趨勢預測，近年專注於開發 OpenR8 AI 軟體，及製作 ezAI 線上課程，致力於降低 AI 技術門檻。
學歷：台灣大學生物產業機電工程學研究所畢業
經歷：外商資深經理、立達軟體科技創辦人、開源機器人俱樂部創辦人
專長：人工智慧、AOI 自動光學檢測機台開發、影像分析、影音串流、巨量資料、工業 4.0
[image18479]
課程補充說明
1. 深度學習網路的架構、資料準備、及訓練方法，背後都有學理依據。了解原理，就可以用20%的力量，達成80%的效果，不用 random 亂試模型，收集過多的重複資料，浪費時間。
2. 一個神經元可以學習一條規則 ( rule ) ， deep learning 說到底其實也是基於規則( rule-based )，只是電腦經由倒傳遞學習來決定規則的內容及參數。
3. 深度學習網路基本上是一個「記憶一堆規則」的網路，有學習過就會記得，記性好但是很笨，如果之前沒有學習過類似的資料，就很可能推論錯誤。
4. 深度學習的訓練資料和測試資料類似，在接近的資料空間，就不會有 over fitting 的問題發生。
5. 股價漲跌是一個「相對」的概念，將股價資料由原始資料(raw data, 收盤價等)轉換成相對資料(漲跌百分比、漲跌斜率等)，進行深度學習，可以大幅提高股價預測的正確率及網路模型的通用性。