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 28 23:59 p.m.
其餘為 2017 年 5 月 28 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
學習 Tensorflow 及 Keras。
學習 Tensorflow 的原理，及利用 Keras 來建立神經網路。
雖然 Keras 很容易上手，但如果能同時知道背後的 Tensorflow 在做些什麼事，就能更有效的使用。
- 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。
- Speaker Bio 講者介紹
魏澤人老師。
許多教材會以之前的課堂教材及 HackNTU 資料科學後半課程類似。
多數範例會由之前的專案改寫成 tensorflow 版本
如 GAN
https://github.com/tjwei/infogan
Art style transfer
https://github.com/tjwei/Quick-Neural-Art-Transfer
及 reinforcement learning (python 控制瀏覽器訓練 2048)
https://github.com/tjwei/2048-NN/blob/master/my2048-rl-theano-n-tuple-Copy7.ipynb
-
Detail Description 詳細說明
本課程將以實際的例子來學習神經網路的基本原理，Tensorflow 的基本原理及使用方式，並利用 Keras 建立、訓練並使用模型。
將會以視覺化的方式讓學員看到抽象的架構。
助教方面會有 1-3 位助教。
- Outline 大綱
-
Tensorflow 介紹
1-1 視覺化 Tensorflow 運算 -
神經網路簡介
2-1 Feedforward
2-2 CNN
2-3 LSTM -
Keras 基本實做
3-1 建立、訓練、使用
3-2 利用 pretrained 模型 -
進階應用(視時間及學員狀況取捨、但教材都會提供)
4-1 Nueral Art style transfer
4-2 GAN
4-2 VAE
- Requirement 要求
學員需要熟悉 Python, 了解 NumPy
