Play Video
Python x AI
IT 標準 14 14 hrs AI Python
本課程介紹了以Python使用AI技術的基礎知識，引導學生探索令人興奮雲端與計算技術的領域。學習AI概念和數據結構，開發和訓練AI模型。透過在計算機視覺和模型訓練方面的實踐經驗，進入AI應用世界，準備將你的創新想法變為現實，創造有影響力的AI解決方案。
學習目標
- 掌握 Python 程式設計的基礎知識，包括指令、使用 GitHub Codespaces/Colab 等平台進行雲計算，以及用於 AI 應用程式的串列和字典等數據結構。
- 瞭解並應用電腦視覺技術，包括圖像分析、人臉識別、OCR以及用於圖像分類和物件檢測的訓練模型。
- 通過訓練手勢識別和面部檢測模型來練習實用的AI技巧，同時探索應用 AI 中的道德考慮。
課程大綱
Python 與編程基礎 | 設置 Visual Studio Code 及 Python 擴充功能，然後快速瀏覽函數、關鍵字、變數、數據類型、運算符、條件語句、列表、for 迴圈、函數、類別/物件及庫（libraries），最後以一個數字版 Mastermind 練習 (mastermind.py) 作結。
AI 運算基礎 | 終端機與 Linux 指令，絕對/相對路徑，pip 與 Python 虛擬環境；安裝 OpenCV 並編寫一個按鍵拍照的網絡攝像頭程式；列表，字典，以及讀取真實的 JSON 數據。
Python AI 簡介 | AI 與電腦視覺是什麼以及模型是什麼；運行預先訓練的 YOLO 與 MediaPipe 模型（提取結果、實時影片、家庭警報練習）；然後訓練一個圖像分類模型，使用 Google Teachable Machine 收集數據，並透過遷移學習在 Google Colab 中使用 MediaPipe Model Maker 進行重新訓練。
自訂手勢分類模型 | 關鍵點檢測（Landmark detection）與手部骨架的建立方式；收集手勢數據，在 Google Colab 中訓練並評估自訂手勢模型，匯出 .task 檔案，然後下載 math_game.py，將其指向你自己的 task 檔案並作為網絡攝像頭示範遊戲運行（投影片第 27-28 頁）；最後探討 AI Engineer 與 Software Engineer 角色的差異。
物件偵測（自訂物件偵測模型） | 物件偵測與分類的分別；在 VGG Image Annotator 中標記你自己的圖像，匯出 COCO 標註，上傳至 Google Colab 並訓練與測試自訂的 MediaPipe 物件偵測模型。
延伸 E1：Pygame 基礎 (Pygame 簡介；Pygame 玩法與基礎 UI) | 遊戲與動畫的分別以及幀迴圈（frame loop）的運作方式；安裝 pygame，Pygame 範本，事件處理（event handling），繪製文字以及構建基本的用戶介面。包含兩份投影片，共 26 + 14 頁。
延伸 E3：Snake game (2 節課) + Vibe coding | 在一份 49 頁的投影片中，透過兩節課構建 Nokia 風格的 Snake game（第 2 頁「第 1 節 - 創建範本」，文字流第 219 頁「第 2 節」）；另一份 7 頁的 Vibe coding 投影片教授提示詞結構（角色、目標、受眾、背景、界限），代碼區塊（code fencing），以及引導 AI 助手協助編寫遊戲的高級提示詞策略。
先修課程
- Python 基礎課程或同等經驗
軟體需求
- Visual Studio Code
- GitHub Codespaces / Colab
- Python 3.10 或更高版本
其他要求
硬體需求
- 已更新瀏覽器的筆記型/桌上型電腦
- 穩定的網路
- 網路攝像頭