今日AI已不僅是門顯學，更漸漸發展成為一門通識技能，因為有愈來愈多直覺、易用的AI開發工具唾手可得，而Teachable Machine結合TensorFlow就是其中的代表：當你有了AI應用的想法，可操作Teachable Machine來快速訓練出一套AI模型，匯出後透過熱門的深度學習框架 – TensorFlow即可實現在Edge端的推論應用。本講座課將以3個單元帶您熟悉這套開發流程。

【課程單元】

Teachable Machine是Google 於 2017 發表的線上深度學習影像分類訓練工具，能協助開發者快速訓練影像分類模型。2019 年推出 V2 版本，有更多功能也更有彈性，支援三種專案類型：影像分類(image)、人體姿勢分類(pose)、聲音分類(audio)。

本單元的目的是教您簡易使用 Teachable Machine 實作 Edge AI，整合感測器快速實作專案雛形。首先將帶領您認識Teachable Machine的操作：蒐集資料、訓練模型、匯出應用，再以一個實作範例教您訓練自己的第一個模型。

接著，本單元還將教您資料收集的技巧（目標明確、背景乾淨、特徵明顯），和超參數（學習率、迭代次數、批量大小）的設定，讓您的模型有更高的準確性。

TensorFlow（TF）為目前主流的深度學習框架，本單元除了帶大家體驗一下TensorFlow這個軟體框架該如何操作外，會接續上一單元，將Teachable Machine訓練出的深度學習模型，匯出成TensorFlow模型，並使用Colab實作TensorFlow遷移學習（Transfer Learning），達到加速模型訓練的目標。

接著將介紹TensorFlow於Edge端實現推論應用的幾種方案，依據最終使用的方式，TensorFlow可以有數種不同的佈署方式，例如TensorFlow.js適合應用於網頁，TensorFlow Lite適合用於嵌入式系統，而晶片供應商也有提供各自的第三方最佳化套件，例如NVIDIA的TensorRT，以及Intel的OpenVINO。

本單元將以開發板辨識AI系統的開發為例，帶領您將Teachable Machine匯出的TensorFlow Lite模型佈署到樹莓派及VIA Pixetto上，讓您體驗Edge AI雛型開發的具體流程，進而掌握如何開發自己的AI專案。

【講師介紹】

Felix Lin老師

Felix現任iCShop 淩耀電子經理，以及創客閣樓社群召集人、MakerPRO專欄作者及講師，曾創辦亞堤教育團隊。他畢業於高應大電機所，在電子產業任職多年，研究領域包括人工智慧、物聯網及嵌入式系統等等，並擔任過大專院校、高中職及創客社群講師，授課經驗豐富。