時間 : 2024/10/26 上午 9:00 - 12:00
現場教學地點 : 國立臺南大學榮譽校區 ZB302 教室
線上教學網址 : https://meet.google.com/yuw-rodr-prr
當日將進行現場及線上同步教學轉播,教學內容為:
Quantum AI學習工具硬體使用方式
QCI&AI-FML學習平台操作流程及功能介紹
KWS AI平台功能介紹
軟硬體整合應用案例介紹
生成式圖片
Intelligent Travel : Dataset 1
Intelligent Environment : Dataset 2
Intelligent Local Food : Dataset 3
第一階段 : QCI 資料模型
QCI&AI-FML學習平台 : https://kws.oaselab.org/qciai/
KWS AI : kws.oaselab.org/kws-ai/
Data Collection Template : ( Download )
Data Collection Sample : ( Data Collection Steps 1-4 by NUTN Team )
將收集到的 18 筆資料與Data Collection Sample整併
說明
步驟 1:使用 QCI&AI 學習工具來收集 AIoT 數據,包括距離和光照,並拍攝圖片。
步驟 2:使用 KWS AI 生成文字,並進行人工評估以收集 HEGAIText。
步驟 3:使用 KWS AI 生成圖像,並進行人工評估以收集 HEGAIImage。
第二階段 : QCI 推論模型
QCI&AI-FML學習平台 : https://kws.oaselab.org/qciai/
下載 Open CI 模型 ( Open GAIFit Model )
下載推論模型 ( GAIFit Inference Model )
下載推論資料 ( GAIFit Inference Data)
第三階段 : QCI 微調模型
QCI&AI-FML學習平台 : https://kws.oaselab.org/qciai/
下載專家資料 ( GAIFit Expert Data )
下載訓練資料 ( GAIFit Training Data )
下載 Open 學習工具 Python 檔案 ( Python File )
const.py → Set Wifiname and password, choose MQTT Server's username, password, and topic name.
第一階段 QCI資料模型: QCIGAIModel_DataCollection.py → Collect the GAI data from the learning tool.
第二階段 QCI推論模型: MQTT_GAIManual(two-way).py → Wait to receive data from the learning platform and make a response to the received data.