Registration Schedule 售票時程
-
The registration will begin on April 30 12:00 p.m.
開始售票 2017 年 4 月30 日中午 12:00. -
The whole registration is expected to end on May 14 23:59 p.m.
其餘為 2017 年 5 月 14 日下午 11:59 截止.
Ticket Info 售票資訊
-
The tutorial will be held if there are more than 4 participants. PyCon will return full ticket price if the tutorial is cancelled.
報名人數達 5 人即開班，未滿 5 人則流團退還全額報名費。
-
For those who bought the ticket without qualifacation above, PyCon will return the money with excluding the administration fee.
不符資格者，大會將扣除行政費用後退餘款。
Receipt Policy 發票處理說明
-
Payment receipt will be sent over email.
可提供發票，我們將寄送電子發票到您的電子信箱。 -
Please provide your Company Name and Unified Business Number.
請註明統一編號和公司抬頭。
Notice 注意事項
-
No Refund 不接受退票
Except the condition above, there would be no refund once registration is confirmed.
除上述情況外，本次活動恕不接受退票。 -
Everybody Pays 公平付費
PyCon Taiwan 2017 is a paid conference; everybody, including staffs and speakers, has to pay to attend. (See also: Everybody Pays)
PyCon Taiwan 2017 為使用者需付費之議程，所有工作人員和講者均自行付費參加。（另見：公平付費） -
Ticketing Consultancy 票務諮詢
Please kindly mail to organizers[at]pycon.tw
如有任何問題，請寄信至 organizers[at]pycon.tw
For more information, please refer to our official website : https://tw.pycon.org/2017/speaking/tutorial/
更多資訊，請參考官網 ：
Tutorial Info 活動資訊
- Abstract 摘要
2015年 Google DeepMind 展示如何在沒有人類干預下，AI自己學會玩50款Atari遊戲，並且超越人類水平。在遊戲中，展示了AI如何探索環境，並透過與環境互動得到的回饋，進行預測，歸納，推理等等的能力。本次教學希望讓學員理解AI如何得到這些學習能力，並透過Google提供的GPU雲端服務，處理學習過程中的龐大運算量，並且部署訓練好的AI來玩超級瑪利歐 SuperMarioBros !
- Goal 目標
本場教學內容為講者平日讀書會內容，並有4位讀書會夥伴擔任助教。
希望帶給學員們以下技能
1. 透過講解基本的增強學習與神經網路，讓學員理解AI的學習能力與知識
2. 透過深度學習套件Keras，讓學員理解 python 如何簡單地建立神經網路模型
3. 透過Google雲端平台，讓學員理解雲端運算趨勢，建立自己的深度學習GPU實驗機
4. 透過OpenAI Gym 等工具, 讓學員可以部署自己的AI來進行各種遊戲
- Speaker Bio 講者介紹
Jiawei
MLDM Monday與 Kaohsiung Python社群的 Co-organizer,同時也是電子商務公司的研發工程師，熱衷於研究機器學習相關技術，在社群分享相關技術，並應用在實務工作上。
Aaron
電商研發工程師，喜歡推導ML相關數學，對登山與攀岩亦有涉略，同時也是某過氣樂團的吉他手。信仰自由與個人價值，傾力追尋生活中的多彩多姿。
Alvin
某新創的全端工程師，特別關注資料分析的多重運用和新ai革命對人類未來的影響。另外也是虛擬實境和虛擬貨幣的愛好者。
James
電商研發工程師，喜愛嘗試各種新技術，特別是資料 ETL 流程。
ctjoy
正在努力讓自己畢業的資工所研究生。
-
Detail Description 詳細說明
近年人工智慧議題非常熱門，大家都知道AI可以從大量的資料中進行學習，然後完成原先人類才
近年人工智慧議題非常熱門，大家都知道AI可以從大量的資料中進行學習，然後完成原先人類才能完成的工作。
但是AI如何取得這些學習能力呢？ 科學家是怎樣透過程式完成這些工作呢？ 是不是要有大量的機器與高級的GPU才能進行實作呢？
這場教學希望讓您理解 2015年 Google DeepMind 使用的 Deep Q-Network 如何運作，
而訓練AI所需要的機器與GPU，將帶您操作 Google Cloud Platform，建立自己的深度學習GPU實驗機。
而這場教學也會讓您理解如何透過OpenAI Gym 部署AI到多款遊戲進行操作，例如我們會教您讓AI自己破關超級瑪利歐 SuperMarioBros !
- 補充資訊
講者在2016年已實作深度學習與增強學習，訓練出無人駕駛車AI
[活動] https://www.meetup.com/Taiwan-R/events/235568097/
[錄影] https://www.youtube.com/watch?v=l_e90qOuv2Q&t=1819s
並曾在台灣各Python社群給過深度學習與機器學習相關演講
[新竹] https://www.meetup.com/pythonhug/events/237723151/
[台中] https://www.meetup.com/Taichung-Python-Meetup/events/235930683/
[高雄] https://www.meetup.com/Kaohsiung-Python-Meetup/events/233880952/
此為講者在台中python社群的投影片，內容與本教學相關
http://files.meetup.com/14527142/AI_from_games.pdf
本場教學內容，為講者平日與同事之讀書會內容，大家皆有相關知識與經驗，並且有4位讀書會夥伴願意擔任助教。
- Outline 大綱
-
環境建置 [1 hour]
1-1 Google Cloud Platform 操作
1-2 nvidia-docker 構建運行環境
1-3 OpenAI Gym 環境教學
-
增強學習 介紹與實作 [1 hour]
2-1 馬可夫決策過程
2-2 時間差分
2-3 Q-learning
-
神經網路方法與實作 [2 hour]
3-1 邏輯回歸
3-2 多層神經網路
3-3 卷積神經網路
3-4 Policy Gradient
-
深度增強學習 介紹與實作 [2 hour]
4-1 Deep Q-Network
4-2 Advantage Actor-Critic
-
休息時間 [15min * 4] + 午餐 [1 hour]
- Requirement 要求
- 希望學員事前先有 Google Cloud 帳號，這部分有免費試用
- 希望以推廣為主，回饋Python愛好者們
