根據Gartner調查，只有4%的企業已部署並投入AI應用，另有46%的企業有積極意願並計畫投入AI部署－－這無疑是技術學習者的最關鍵指標！事實上，人工智慧技術已經醞釀超過65年，擁有資料者更是比比皆是，但關鍵在於如何能用機器學習技術找出資料價值；而進行缺陷檢測所需的大量影像資料學習方法，正是人工智慧的視覺辨識基礎應用。為此，微軟特別與NVIDIA合作，在課程中介紹GPU運算如何在機器學習領域中扮演的重要角色！

�s�i

本次機器學習工作坊分為上下午兩個場次，上午以缺陷檢測作為機器學習起手式，其次介紹 NGC Docker images，以期開發者可以利用現成容器映像，在訓練與預測的需求上進行快速導入。而對於如何最佳化運算模型並強化效能，則以TensorRT + GRE SDK的技術來對應。課堂中還將介紹 U-Net model，若開發者的資料集符合這樣的模型，更可以立即加以運用。

而微軟已經在機器學習上已經提供了相當多的技術與工具，下午場便以介紹微軟提供的免費機器學習平台－－Azure Machine Learning Studio (Azure MLS)，它包含了許多學習者現成可用的資源，包括 Data Science VM 虛擬機器環境、在GitHub 上的Spark 機器學習工具套件－－MMLSpark、ONNIX、搭配FPGA的深度學習加速平台－－Azure real time AI (Brainwave專案)等，最後再對Azure AI Gallery / Notebooks / AI course 等服務做完整介紹。