台灣人工智慧小聚持續透過在台灣人工智慧學校全台校區的 meetup 聚會,召集人工智慧相關領域的工作者及同好。讓各領域的朋友們在這裏有一個認識彼此,交流媒合的機會。
報名連結:https://forms.gle/vaV6AYeGbp3jjAbQ6
活動日期 2020-10-22 18:30 至 21:30 加入 Google 行事曆
報名日期 2020-10-05 14:00 至 2020-10-22 15:00
本次台灣人工智慧小聚在台南市「台南文創園區 - 富貴文創講堂」舉辦,地址是「台南市東區北門路二段16號 台南文化創意產業園區 4樓B區(富貴文創講堂)」。
台灣人工智慧學校助教,成功大學資訊工程所研究生,研究領域主要於Neural Architecture Search。
神經網路搜索(Neural Architecture Search, NAS)在現今因為 Edge AI 的發展也越來越受大家重視。然而最一開始的NAS進行一次搜索是需要非常大量的資源的,直到One-shot NAS 出來之後才大幅度的減少 NAS 的搜索成本,但是究竟One-shot NAS究竟是透過什麼樣的方式達到 One-shot 同時又兼顧搜索品質的目的呢?本次將會詳細的與大家介紹 One-shot NAS!
黃慧瑜 Phoebe Huang,奇美實業AI工程師,清大化工系,交大資工碩專畢,現就讀於交大智慧計算與科技研究所。曾在科技業擔任過製程/研發工程師,研所依興趣轉行做了AI,想不到日子從此充滿(爆肝的)趣味、忙得還蠻enjoy的研究生兼工程師一枚。喜歡具有跨領域通用性的知識。目前研究領域為圖神經網路。
深度學習發展至今已可以在結構化資料上被很好的應用,例如圖像、語音、文本等,也有大量相關的應用例如人臉識別、語音助理、機器翻譯等。然而,圖(Graph)形式的數據卻難以在早期的深度學習模型框架(例如CNN、RNN)下被很好的應用,這樣形式的數據多出現在例如電子商務、社交網路、化學和生物製藥等,近年也被應用在視覺推理和3D點雲數據的學習。與傳統的結構化資料不同,圖(Graph)是一種具有全適性(ubiquitous)的資料結構,透過節點「標籤(表示)」和「連結方向」來構成,可以表達絕大部分的實體關聯性。講者將在本次meetup與大家介紹圖神經網路(Graph Neural Network,GNN)此一深度學習的子領域,旨在增進大眾對圖神經網路的了解和研究興趣,並會分享講者將GNN應用在關鍵點偵測的實作案例。
在自由交流時間中,不是講者的您可以有 3 分鐘上台的自由發表時間。你可以招募員工、尋找 partner、自我推薦、介紹自己正在做的 project,讓別人認識你,促進彼此交流媒合。
電話: 06-279-4380
Email: st@aiacademy.tw
Copyright© 台灣人工智慧學校 | Taiwan AI Academy 版權所有