104學習精靈

演算法設計
演算法設計
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
關於教室
關注人數 7 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
學習主持人
持續分享知識，
有機會成為官方教室主持人
教室標籤
  • 演算法設計
    • 關於教室
    關注人數 7 人
    104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
    學習主持人
    持續分享知識，
    有機會成為官方教室主持人
    教室標籤
  • 演算法設計
    • Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
    我要分享
    我要提問

    演算法設計 學習推薦

    全部
    影片
    文章

    熱門精選

    104學習精靈 | 熱門文章推薦
    關注
    104學習精靈

    產品

    05/03 09:27

    【2024最新】職場增能線上課程折扣碼【vip99】享9折
    104課程中心，針對職場增能【指定線上課程】享限時優惠，不管針對工具學習、管理領導、AI應用....等，輸入限時折扣碼【vip99】9折優惠～
    ❤️折扣碼優惠期間：2024-06-30 23:59:59
    ❤️指定課程為課程說明頁有出現折扣碼優惠訊息才可享該優惠。
    小編幫大家整理如下，趕緊來看看！！！！
    【菜鳥救星：職場工具】
    泛指：ＥＸＣＥＬ、資料整理、ＷＯＲＤ、簡報術．．．．等。
    🟠【函數入門】別再土法煉鋼！你一定要懂的Excel函數
    🟠【資料整理術】Excel資料整理分析入門
    🟠 無痛起步-Excel VBA超入門實戰
    🟠 【進階函數】Excel高效秘訣！上班族不可不知的進階函數
    🟠 活用Office系列 (二) 超實用! 活動籌備的省時文書密技
    🟠活用Office系列 (一) 職場必修！高效文書秘笈
    🟠拆解簡報的技術：從分析、構思到設計，一次學會職場萬用溝通力！
    【趨勢學習：AI應用】
    2024年AI年利用人工智慧讓你職場效率更加倍！
    🔵AI簡報3項思考力，ChatGPT倍速提升商業競爭力！
    🔵2小時輕鬆學AI | 基礎觀念與應用
    🔵ChatGPT x Excel | 職場必學商務數據分析術
    🔵成為 AI 科學家｜打造數學基礎與統計地基，輕鬆開拓機器學習應用之城
    🔵告別新手村FB與IG廣告投放攻略｜AI助你輕鬆提高廣告效率
    🔵【AI基礎思維5】AI無所不在_活用AI產業應用
    【團隊合作：溝通進化】
    針對團隊中的溝通、管理...等技巧溝通，讓你不再是新手主管！
    🔴破解溝通困境，掌握人心的職場溝通術
    🔴向上溝通｜創造雙贏的職場溝通思維
    🔴8堂敏捷式自我修練課｜高效溝通x成長思維
    🔴如何讓新人快速適應不流失，新世代員工關懷 6 大關鍵技巧
    🔴當責：提升工作績效的職場超能力
    【外語加強：聽說讀寫樣樣來】
    針對額外時間加強外語能力，或是準備多益考試的學習推薦！
    🔻超實用英語會話必備 700 句
    🔻NEW TOEIC 新多益線上高分速成班
    🔻Jumbo 的多益單字獨門記憶法
    🔻Jen 的一分鐘英文短講會話術
    【行銷人注意：增能技術】
    行銷百百種，可以針對專業項目進行學習！
    🟡【行銷企劃入門】創意思考與提案簡報技巧
    🟡讓數據變黃金！應用Excel制定最佳行銷策略
    🟡SEO搜尋引擎優化七大密技｜攻上頂端排名寶座
    🟡Power BI 零基礎實戰 | 培養商務數據分析力
    🟡Tableau數據視覺化分析快速上手
    【個人職場魅力提升】
    🟩跨部門溝通-掌握溝通風格成就雙贏共識
    🟩彩色職場力｜天賦創造優勢的職涯規劃課
    🟩打通銷售任督二脈：業績提升心法與顧問式銷售技巧
    🟩【這樣帶人心不累】部屬培育與發展關鍵技巧應用
    🟩專案管理-成功經理人必學管理工具
    更多課程優惠整理看這下一頁！
    0 1 2278 1
    104學習精靈精選課程
    看更多課程
    想提升職場競爭力？專業技能課程看起來👇
    AI電腦視覺與影像處理實務
    隨著美中貿易戰持續升溫與疫情肆虐，全球的工業布局重新洗牌，醫療科技瞬間抬頭的趨勢下，電腦視覺在工業與醫學資訊的應用更是勢不可擋。而影像視覺是AI的三大應用重點之一，OpenCV是電腦視覺開源應用的始祖，其兼容Python語言更使其與AI的整合更加容易。 在工業檢測AOI領域中，OpenCV是業界算法軟體自製的唯一選擇。在醫學領域，可透過Python套件實現許多醫學影像的讀取與寫入，搭配OpenCV的使用更可實現相關的影像分割等算法。 本課程由資深業師濃縮多年影像實戰經驗，提取最佳學習路徑，透過Python與OpenCV，帶領學員縱橫物件偵測、車牌辨識、工業AOI、醫學影像、視頻監控等應用，引導學員們一揭電腦視覺與開源社群的浩瀚海洋，使具備紮實的戰力投入於理想的視覺應用領域中。 適合對象 欲從事影像處理、電腦視覺、影像分析、影像辨識等演算法開發與實作驗證的工程師、研究者、創客。 想了解影像處理的演算法於嵌入式系統之移植與效能調整。 理解數位電腦視覺原理並能實作，包含：影像特徵提取、特徵強化、輪廓萃取、卷積運算、型態學運算。 從事深度學習在影像處理(如CNN)的研發，而對於影像處理關於物件識別、偵測的底層知識有興趣。 從事FPGA 影位影像訊號的處理，但想要理解底層影像處理相關的演算法。 課程大綱 第一階段 影像處理實務 影像處理實務 -數位影像的生成與結構 OpenCV 基礎認識 -OpenCV可以做什麼 -函式庫的組成及內容 環境配置 -Python簡介 -IDE(VS Code) + CV Library 影像格式與資料結構 影像處理四部曲 -影像讀取 -影像顯示 -色彩空間轉換 -影像儲存 視頻: VideoCapture 影像基本資訊 -值 : Pixel value -圖像ROI (Region of interests) -拆解和合併通道 (RGB)圖像基本運算 -圖像混和 影像正規化與二值化 型態學運算 卷積運算 (Convolution) 影像去雜訊、模糊與強化 影像的幾何轉換 UI Bar 繪圖 影像處理與特徵擷取 -影像特徵擷取 -特徵擷取算法--Fast, Harris, GFTT, SIFT, SURF, STAR, BRISK, ORB, Histogram -HOG演算法 輪廓搜尋與提取 -影Edge -直線偵測 -圓形偵測 -角點偵測 -影像物件計數與分析 第二階段 主題實作 自動車牌辨識(ALPR) -基礎知識 - YOLO -使用PaddleOCR建置自動車牌辨識 -使用YOLOv4建置自動車牌辨識 -PaddleOCR方法比較: pp-ocr, pp-ocr(server), SRN AOI測量 -AOI自動光學檢測機(產業趨勢分享與解析) -從事影像演算法研發人員在產業中的定位 -Template Matching -取得邊緣點 -擬合直線 -測量線到線的距離 0001 OP 0002 OP 醫學影像 -醫學影像基本知識 -分水嶺算法 -影像的處理 -實作CXR肺分割 -移除脊椎 -角點偵測 -計算肺部區域 透過OpenCV實作CXR肺分割 視訊處理與視訊穩定 -影片資料處理概念 -攝影機取像 、運算 、儲存 -視訊檔案讀取與視訊屬性 -透過VidStab模組實作視頻穩定 -使用VidStab類 -幀到幀的座標轉換 -使用Borders與Frame Layering -套用視頻穩定算法 -應用於線上視頻 0004 OP ※以上應用主題，每梯次選用可能不同 ※實際授課大綱請以提供之最新開課簡章內容為準 *本課程需準備WebCam
    艾鍗學院
    電腦視覺演算法
    機器如何看見世界?看到車子開過來，我們會閃避；遇到認識的人，我們能夠識別。這些動作對人類來說很簡單，但機器做得到嗎？ 隨著電腦運算效率的提升，帶動了深度學習的發展，讓影像領域有了重大的突破。 如今，透過各種影像技術的整合，我們已經能夠讓機器感知世界。 本課程從經典的演算法，如HAAR人臉偵側、Hog 特徵擷取、Adaboost 分類器等演算法，了解如何進行人臉偵測與人臉辨識。同時也以深度學習CNN演算法，來說明如何實現人臉偵測與辨識。 本課程帶你深入了解這些演算法背後的原理，並且對於演算法都以手刻的方式(From Scratch)進行實作。此外,也以Python Tkinter 完成一個人臉門禁系統的小專案。電腦視覺常會依照現場情況有不同的影像處理，因此唯有懂了原理才有可能針對專案的需要，知道如何進行優化與改善，而不侷限於套件工具本身。 學習目標 了解HAAR演算法並知道如何以python實作 (From Scratch) 了解 Adaboost 演算法並知道如何以python實作 (From Scratch) 學會如何利用HARR+Adaboost進行人臉偵測 了解HOG 演算法並知道如何以 python實作 (From Scratch) 學會如何利用HOG + 支持向量機(Support Vector Machine, SVM) 進行人臉或物件識別 學會如何CNN原理及遷移學習的方法，建立人臉識別系統 教學方式 投影片講授及配合程式進行演練 學會如何利用HARR+Adaboost進行人臉偵測 使用Anaconda + Spyder 課程菜單 遠距課程時數:14小時/數位課程時數:14小時 數位觀看天數:30天 精編教材:-精編講義、範例程式碼 -詳細Code 解說且程式範例檔案分類整理 -線上助教系統 課程大綱 電腦視覺-基於HOG與圖像識別 HOG演算法說明與python實作 (From Scratch) 圖檔爬蟲程式撰寫 建立圖檔HOG特徵 Scikit-Learn實現SVM與LogistcRegression 專案: HOG Features+ Classifier :人臉/物品偵測與識別▼ HOG Features+ Classifier :人臉/物品偵測與識別-1 HOG Features+ Classifier :人臉/物品偵測與識別-2 電腦視覺-基於HAAR 人臉偵測 HAAR演算法說明與python實作 (From Scratch) Adaboost Classifier 專案: HAAR Features人臉偵測 CNN深度學習 遷移學習（transfer learning）和微調（fine-tune）原理說明 使用MobileNet建立圖像特徵 (Image Embedding) 建立DNN Classifier MQTT協定- 警示通知 專案: 人臉門禁系統(使用Tkinter界面): 加入/刪除/登入人臉帳號▼
    艾鍗學院
    邊緣運算實務
    在AI人工智慧應用中，若所有資料都要回傳到雲端中心，計算之後再傳回終端的話，一定會有「網路延遲」產生，而這些延遲可能會對人類安全與生命財產造成嚴重威脅，比方說，自駕車偵測系統若識別前方的物件，先經由網路送至雲端再傳回結果，可能就會因延遲而造成不可挽回的意外事故;再者有些工廠的環境可能網路不穩定或者企業基於網路資安等問題而沒有網路。這些都使AI模型在雲端進行推論時有使用上的困難。 邊緣運算的概念正因此而生，不透過網路將資料傳送到雲端進行推論(Inference)，而是在本機端直接進行推論，加快現場即時反應，讓AI的使用場域更加全面且便利。然而在邊緣進行AI運算，會面臨到本機運算能力及記憶體容量限制等因素，因此也會有一些需要克服的難題，因此本課程先從技術架構、模型優化方法說明並搭配Raspberry Pi 結合Intel NCS2 神經網路加速棒，配合OpenVINO程式碼實作，以實現邊緣運算的應用。 資深講師先幫你打好原理底子，搭配實際操作更有感! 學會以OpenVINO（Open Visual Inference and Neural network Optimization）進行AI模型的格式轉換，進而能將AI模型部署在邊緣裝置上。 學會AI軟硬整合，實現邊緣運算之影像辨識應用 學會AI軟硬整合，實現邊緣運算之影像辨識應用（如人臉辨識與動態影像識別等）。 傳承業師實務開發經驗，提高學習者的AI邊緣運算應用之開效率。 學習目標 1. 學會以OpenVINO（Open Visual Inference and Neural network Optimization）進行AI模型的格式轉換，進而能將AI模型部署在邊緣裝置上。 2. 學會AI軟硬整合，實現邊緣運算之影像辨識應用 3. 學會AI軟硬整合，實現邊緣運算之影像辨識應用（如人臉辨識與動態影像識別等）。 4. 傳承業師實務開發經驗，提高學習者的AI邊緣運算應用之開效率。 章節架構 OpenVino邊緣運算實務 1. 邊緣運算 技術簡介 邊緣運算的開發架構 模型優化的概念 2. OpenVINO邊緣運算實務 Intel NCS2 神經網路加速棒簡介 OpenVINO Toolkit 架構說明 由Keras (.h5)模型轉成IR (.xml & .bin)檔案 Raspberry Pi 安裝OpenVINO 建立OpenVINO應用程式- 程式架構與CMAKE說明 專案: WebCam串流人臉偵測 專案:WebCam 即時手寫數字辨識 (OpenCV與MNIST)▼ 3. 基本Raspberry Pi 使用入門
    艾鍗學院
    AI電腦視覺與影像處理實務
    隨著美中貿易戰持續升溫與疫情肆虐，全球的工業布局重新洗牌，醫療科技瞬間抬頭的趨勢下，電腦視覺在工業與醫學資訊的應用更是勢不可擋。而影像視覺是AI的三大應用重點之一，OpenCV是電腦視覺開源應用的始祖，其兼容Python語言更使其與AI的整合更加容易。 在工業檢測AOI領域中，OpenCV是業界算法軟體自製的唯一選擇。在醫學領域，可透過Python套件實現許多醫學影像的讀取與寫入，搭配OpenCV的使用更可實現相關的影像分割等算法。 本課程由資深業師濃縮多年影像實戰經驗，提取最佳學習路徑，透過Python與OpenCV，帶領學員縱橫物件偵測、車牌辨識、工業AOI、醫學影像、視頻監控等應用，引導學員們一揭電腦視覺與開源社群的浩瀚海洋，使具備紮實的戰力投入於理想的視覺應用領域中。 適合對象 欲從事影像處理、電腦視覺、影像分析、影像辨識等演算法開發與實作驗證的工程師、研究者、創客。 想了解影像處理的演算法於嵌入式系統之移植與效能調整。 理解數位電腦視覺原理並能實作，包含：影像特徵提取、特徵強化、輪廓萃取、卷積運算、型態學運算。 從事深度學習在影像處理(如CNN)的研發，而對於影像處理關於物件識別、偵測的底層知識有興趣。 從事FPGA 影位影像訊號的處理，但想要理解底層影像處理相關的演算法。 課程大綱 第一階段 影像處理實務 影像處理實務 -數位影像的生成與結構 OpenCV 基礎認識 -OpenCV可以做什麼 -函式庫的組成及內容 環境配置 -Python簡介 -IDE(VS Code) + CV Library 影像格式與資料結構 影像處理四部曲 -影像讀取 -影像顯示 -色彩空間轉換 -影像儲存 視頻: VideoCapture 影像基本資訊 -值 : Pixel value -圖像ROI (Region of interests) -拆解和合併通道 (RGB)圖像基本運算 -圖像混和 影像正規化與二值化 型態學運算 卷積運算 (Convolution) 影像去雜訊、模糊與強化 影像的幾何轉換 UI Bar 繪圖 影像處理與特徵擷取 -影像特徵擷取 -特徵擷取算法--Fast, Harris, GFTT, SIFT, SURF, STAR, BRISK, ORB, Histogram -HOG演算法 輪廓搜尋與提取 -影Edge -直線偵測 -圓形偵測 -角點偵測 -影像物件計數與分析 第二階段 主題實作 自動車牌辨識(ALPR) -基礎知識 - YOLO -使用PaddleOCR建置自動車牌辨識 -使用YOLOv4建置自動車牌辨識 -PaddleOCR方法比較: pp-ocr, pp-ocr(server), SRN AOI測量 -AOI自動光學檢測機(產業趨勢分享與解析) -從事影像演算法研發人員在產業中的定位 -Template Matching -取得邊緣點 -擬合直線 -測量線到線的距離 0001 OP 0002 OP 醫學影像 -醫學影像基本知識 -分水嶺算法 -影像的處理 -實作CXR肺分割 -移除脊椎 -角點偵測 -計算肺部區域 透過OpenCV實作CXR肺分割 視訊處理與視訊穩定 -影片資料處理概念 -攝影機取像 、運算 、儲存 -視訊檔案讀取與視訊屬性 -透過VidStab模組實作視頻穩定 -使用VidStab類 -幀到幀的座標轉換 -使用Borders與Frame Layering -套用視頻穩定算法 -應用於線上視頻 0004 OP ※以上應用主題，每梯次選用可能不同 ※實際授課大綱請以提供之最新開課簡章內容為準 *本課程需準備WebCam
    艾鍗學院
    電腦視覺演算法
    機器如何看見世界?看到車子開過來，我們會閃避；遇到認識的人，我們能夠識別。這些動作對人類來說很簡單，但機器做得到嗎？ 隨著電腦運算效率的提升，帶動了深度學習的發展，讓影像領域有了重大的突破。 如今，透過各種影像技術的整合，我們已經能夠讓機器感知世界。 本課程從經典的演算法，如HAAR人臉偵側、Hog 特徵擷取、Adaboost 分類器等演算法，了解如何進行人臉偵測與人臉辨識。同時也以深度學習CNN演算法，來說明如何實現人臉偵測與辨識。 本課程帶你深入了解這些演算法背後的原理，並且對於演算法都以手刻的方式(From Scratch)進行實作。此外,也以Python Tkinter 完成一個人臉門禁系統的小專案。電腦視覺常會依照現場情況有不同的影像處理，因此唯有懂了原理才有可能針對專案的需要，知道如何進行優化與改善，而不侷限於套件工具本身。 學習目標 了解HAAR演算法並知道如何以python實作 (From Scratch) 了解 Adaboost 演算法並知道如何以python實作 (From Scratch) 學會如何利用HARR+Adaboost進行人臉偵測 了解HOG 演算法並知道如何以 python實作 (From Scratch) 學會如何利用HOG + 支持向量機(Support Vector Machine, SVM) 進行人臉或物件識別 學會如何CNN原理及遷移學習的方法，建立人臉識別系統 教學方式 投影片講授及配合程式進行演練 學會如何利用HARR+Adaboost進行人臉偵測 使用Anaconda + Spyder 課程菜單 遠距課程時數:14小時/數位課程時數:14小時 數位觀看天數:30天 精編教材:-精編講義、範例程式碼 -詳細Code 解說且程式範例檔案分類整理 -線上助教系統 課程大綱 電腦視覺-基於HOG與圖像識別 HOG演算法說明與python實作 (From Scratch) 圖檔爬蟲程式撰寫 建立圖檔HOG特徵 Scikit-Learn實現SVM與LogistcRegression 專案: HOG Features+ Classifier :人臉/物品偵測與識別▼ HOG Features+ Classifier :人臉/物品偵測與識別-1 HOG Features+ Classifier :人臉/物品偵測與識別-2 電腦視覺-基於HAAR 人臉偵測 HAAR演算法說明與python實作 (From Scratch) Adaboost Classifier 專案: HAAR Features人臉偵測 CNN深度學習 遷移學習（transfer learning）和微調（fine-tune）原理說明 使用MobileNet建立圖像特徵 (Image Embedding) 建立DNN Classifier MQTT協定- 警示通知 專案: 人臉門禁系統(使用Tkinter界面): 加入/刪除/登入人臉帳號▼
    艾鍗學院
    邊緣運算實務
    在AI人工智慧應用中，若所有資料都要回傳到雲端中心，計算之後再傳回終端的話，一定會有「網路延遲」產生，而這些延遲可能會對人類安全與生命財產造成嚴重威脅，比方說，自駕車偵測系統若識別前方的物件，先經由網路送至雲端再傳回結果，可能就會因延遲而造成不可挽回的意外事故;再者有些工廠的環境可能網路不穩定或者企業基於網路資安等問題而沒有網路。這些都使AI模型在雲端進行推論時有使用上的困難。 邊緣運算的概念正因此而生，不透過網路將資料傳送到雲端進行推論(Inference)，而是在本機端直接進行推論，加快現場即時反應，讓AI的使用場域更加全面且便利。然而在邊緣進行AI運算，會面臨到本機運算能力及記憶體容量限制等因素，因此也會有一些需要克服的難題，因此本課程先從技術架構、模型優化方法說明並搭配Raspberry Pi 結合Intel NCS2 神經網路加速棒，配合OpenVINO程式碼實作，以實現邊緣運算的應用。 資深講師先幫你打好原理底子，搭配實際操作更有感! 學會以OpenVINO（Open Visual Inference and Neural network Optimization）進行AI模型的格式轉換，進而能將AI模型部署在邊緣裝置上。 學會AI軟硬整合，實現邊緣運算之影像辨識應用 學會AI軟硬整合，實現邊緣運算之影像辨識應用（如人臉辨識與動態影像識別等）。 傳承業師實務開發經驗，提高學習者的AI邊緣運算應用之開效率。 學習目標 1. 學會以OpenVINO（Open Visual Inference and Neural network Optimization）進行AI模型的格式轉換，進而能將AI模型部署在邊緣裝置上。 2. 學會AI軟硬整合，實現邊緣運算之影像辨識應用 3. 學會AI軟硬整合，實現邊緣運算之影像辨識應用（如人臉辨識與動態影像識別等）。 4. 傳承業師實務開發經驗，提高學習者的AI邊緣運算應用之開效率。 章節架構 OpenVino邊緣運算實務 1. 邊緣運算 技術簡介 邊緣運算的開發架構 模型優化的概念 2. OpenVINO邊緣運算實務 Intel NCS2 神經網路加速棒簡介 OpenVINO Toolkit 架構說明 由Keras (.h5)模型轉成IR (.xml & .bin)檔案 Raspberry Pi 安裝OpenVINO 建立OpenVINO應用程式- 程式架構與CMAKE說明 專案: WebCam串流人臉偵測 專案:WebCam 即時手寫數字辨識 (OpenCV與MNIST)▼ 3. 基本Raspberry Pi 使用入門
    艾鍗學院
    ROS機器人自走車系統開發應用
    全國第一 專業ROS機器人培訓中心 為了幫助你更有效率地學會ROS機器人系統開發的核心技術，本課程由具有豐富機器人開發經驗的業界工程師親授，強調實務教學，深入淺出引領你了解ROS重要觀念+實戰ROS程式。實作中搭配艾鍗獨家研發Raspberry Pi擴充板，真正落實「做中學，學中做」，幫助每一位學習者都能自然而然且無壓力地培養與業界接軌的ROS技能。課程特別設計成兩階段，在第一階段，將教你在電腦中建置基於Linux Ubuntu的ROS系統，並能學會機器人主機(Raspberry Pi)與各部位進行通訊，讓你逐漸掌握ROS系統開發必會的指令來行重要控制。在第二階段，講師以ROS認證機器人-Turtlebot Burger實機演示，教你進階應用包括gmapping(地圖構建開源套件)、move_base(路徑規劃套件)等ROS套件使用方法和SLAM(simultaneous localization and mapping，即時定位與地圖構建)、Navigation(導航)等ROS演算法應用，讓你能快速掌握ROS技術核心、參數調整與除錯的技巧。用ROS技術來為自身職能加分，增強開發實戰力！ 政府補助課程，歡迎洽詢！ 課程特色 1.本班學員獨享艾鍗獨家研發擴充板 為了傳達正確的ROS系統開發的學習觀念與重點，艾鍗獨家設計I/O子板，以擴充原Pi板的功能，並對其中所有軟硬體控制原理進行透徹解說，使你可以透過主題式Lab，實踐ROS系統開發的核心技術與架構。 2.資深機器人開發工程師親授 具有豐富開發經驗的資深工程師親自教您產業實務，快速掌握關鍵技術，縮短摸索碰壁的時間。引領你了解ROS的架構原理、程式設計流程、開發環境與蓬勃發展，領略為何至今仍以ROS為主？體會ROS的無窮潛力及強大用途！ 3.完整程式碼開發實戰 本課程以實務為主=觀念+實戰（寫ROS程式）因此不會有任何深奧難懂的數學、資料結構、演算法等，幫助你快速建構開發觀念，透過完整開發程式碼，提高學習效率，快速提升職能，縮短開發時間。 學習目標 1. 能了解全球主流的機器人系統---ROS之緣起、特性與應用。 2. 能學會ROS機器人系統開發環境之建置與基本指令操作。 3. 能了解ROS機器人系統架構與重要觀念，包括ROS Master、節點(Node)、消息(Message)、話題(Topic)… 4. 能學會在ROS系統中的程式開發與節點通訊。 5. 能學會專屬ROS package(套件)之創建。 6. 能學會在Raspberry Pi上建置ROS系統與應用，包括I/O控制、遠端監控。 7. 能了解常用機器人之感測器-Lidar(光達)之特性與應用。 8. 能學會以TF套件進行座標轉換之應用。 9. 能學會Laser-based SLAM(即時定位與地圖構建)之相關套件應用Gmapping。 10. 能學會以move_base、amcl等套件實現2D Navigation之應用。 11. 能學會以GUI工具套件rqt、3D可視化工具套件rviz等進行開發資料之記錄、分析與模擬，作為後續開發優化之依據。 12. 能從ROS機器人Turtlebot操作中，學會ROS套件的整合應用。
    艾鍗學院
    學習精靈

    06/20 00:00

    youtube.com
    Python基礎程式設計-排序演算法
    55 1
    學習精靈

    06/20 00:00

    youtube.com
    Python基礎程式設計-搜尋演算法
    28 0

    推薦給你

    AI 趨勢報－科技愛好者的產地🤖
    關注
    知識貓星球

    喵星人

    11小時前

    頂尖HR都在用：Fetcher 功能＋使用教學一次看！
    Al招聘工具可以幫助人資人員自動化搜尋候選人、篩選候選人、評估候選人等繁瑣的招聘任務，從而提高招聘效率和質量。
    在眾多AI招聘工具中，Fetcher是一款備受人資人員青睞的工具。Fetcher利用先進的人工智慧技術和專家團隊，可以為企業提供一系列高效的招聘解決方案。
    【Fetcher的主要功能】
    ▶ 自動化候選人搜尋
    Fetcher可以從大量線上資料中搜尋符合職位要求的候選人，包括社交媒體、專業求職網站、線上工作板等。
    ▶ 候選人篩選
    Fetcher可以根據職位要求、技能、經驗等標準對候選人進行自動化篩選，幫助人資人員快速找到最合適的候選人。
    ▶ 候選人評估
    Fetcher可以提供候選人的詳細資料和評估報告，幫助人資人員全面瞭解候選人的情況。
    ▶ 招聘分析
    Fetcher提供招聘分析，可幫助人資人員跟踪招聘進度、分析招聘效果、找出改進方向。
    【如何使用 Fetcher？】
    1. 登錄 Fetcher 帳戶：https://fetcher.ai/
    2. 點擊「創建新職位」。
    3. 輸入職位的標題、職位描述和其他職位要求。
    4. 點擊「創建職位」。
    Fetcher 將自動開始搜尋符合職位要求的候選人。您可以在「候選人」標籤下查看候選人結果。
    以下是一些人資人員可以使用 Fetcher 提高招聘效率和質量的提示：
    ⟡ 使用多種關鍵字和搜尋標準來搜尋候選人。
    ⟡ 查看每個候選人的完整個人資料，以評估他們的資格。
    ⟡ 使用 Fetcher 的溝通工具與候選人保持聯繫。
    ⟡ 使用招聘分析來跟踪您的招聘進度並確定改進領域。
    【Fetcher的應用案例】
    Fetcher已被眾多知名企業採用，包括 Airbnb、Uber、Spotify、Twitter等。
    以下是一些Fetcher的應用案例：
    ❶ 一家軟體公司正在招聘一名資深軟體工程師。Fetcher可以自動化職位發布流程，並從 Linkedln、GitHub 和其他線上資料中搜尋符合職位要求的候選人。Fetcher 然後可以代表公司聘請這些潛在候選人，並根據候選人的個人資料和工作要求製作個人化的外展訊息。
    ❷ 一家零售公司正在招聘一批兼職銷售人員。Fetcher可以從Indeed、Monster 和其他線上工作板中搜尋候選人。Fetcher 然後可以根據候選人的技能和經驗對其進行篩選，並將最符合條件的候選人推薦給招聘人員。
    ❸ 一家初創公司正在招聘一名產品經理。Fetcher可以從 AngelList、Crunchbase 和其他線上創業資料庫中搜尋候選人。Fetcher 然後可以根據候選人的教育背景、工作經驗和創業技能對其進行篩選，並將最符合條件的候選人推薦給招聘人員。
    【Fetcher 是免費的嗎？】
    Fetcher 提供免費和付費兩種方案。
    ▶ 免費方案 ◀
    免費方案提供以下功能：
    ● 創建 10 個活躍的招聘職位
    ● 搜尋和查看候選人
    ● 向候選人發送 50 封訊息
    ● 查看基本招聘分析
    ▶ 付費方案 ◀
    Fetcher 提供多種付費方案，可滿足不同企業的需求。付費方案的價格從每月99美元起。
    付費方案提供以下功能：
    ● 無限的活躍招聘職位
    ● 無限的候選人搜尋和查看
    ● 無限的候選人溝通
    ● 高級招聘分析
    ● 客戶支援
    Fetcher是一款功能強大的AI招聘工具，可以幫助人資人員提高招聘效率、質量和成本效益。如果你正在尋找一種方法來簡化招聘流程並找到合適的人才，那麼 Fetcher 值得考慮！
    ➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！
    1 1 209 2
    你可能感興趣的教室