演講者：陳柏廉 資深副理

　　　　威盛電子股份有限公司

日　期：2021年4月7日（星期三）14:30

地　點：國立高雄大學理學院408室

講　題：自動架構搜索與自動資料增強：方法、實務應用經驗與挑戰 

摘   要：

　　近年來，隨著資料與硬體算力的快速成長，人工智慧(AI)持續蓬勃發展，各企業競相投入資源發展相關應用，扮演21世紀人類發展的新電力。但深度學習演算法的設計複雜，需要專業知識與經驗方能勝任，如何讓深度學習技術更容易被使用而導入各行各業，即是自動化機器學習(AutoML)的宗旨。網路架構搜索(NAS, Neural Architecture Search)及自動資料增強(ADA, Automatic Data Augmentation)皆為實現自動機器學習的重要分支。

　　網路架構搜索(NAS)的目的是設計演算法自動產生最適合資料集的神經網路架構，在各式客製化應用上達到最佳表現，大大減輕算法工程師們的設計開發時程、微調優化模型結構的重重負擔。它的龐大潛力與經濟效益使其成為重要研究課題。就學術論文發表可看出NAS搜索出的深度學習模型在性能上已逐漸拉大與人工設計模型間的差距，取得巨大進展，但在節省運算效能(GPU-hours)與提升搜索穩定性兩者間似乎仍存在取捨。資料增強是對資料的前處理，藉以增加有效資料的數量與豐富性，前處理的方式需經由人為主觀判斷，自動資料增強(ADA)即是自動化前處理的決定方式，但在選擇方法時，同樣面臨與NAS相同的硬體資源與穩定性的取捨。