學習地圖

本課程分為二階段。第一階段著重資料分析。第二階段將從機器學習開始，利用 Python 模組實踐機器學習實作。透過大量範例與實作培養學員基本的機器學習方法思維，來解決不同的預測問題。

「推薦系統」是根據使用習慣及興趣來推薦更多的內容，是機器學習重要的應用之一。本課程將透過推薦機制實作，讓商品或網頁流量有效增加，或是達到精準行銷的目的。

本課程運用Python語言深度學習可用之套件和函數(Keras, TensorFlow)，探討各類深度學習模型，優化超參數及避免過度配適，以提高模型應用的準確度。實作案例涵蓋時間序列分析、圖像辨識、以及自然語言處理等應用。

MATLAB是國內業界常用於演算法設計的軟體，可分析資料與發展演算法和應用之互動式環境，其應用十分廣泛包含︰訊號及影像處理、通訊系統、控制設計、測試及量測、財務模型及分析以及生物運算等。本課程將分為四大模組，模組一為「影像處理」、模組二為「電腦視覺」、模組三為「深度學習基礎」、模組四為「深度學習進階」。

大數據與AI應用技術開發其實沒有想像中難，針對非科技業的應用將有很大的機會，這門課程將用深入淺出的方式介紹AI人工智慧的概念，大數據應該如何建立及分析，同時上機寫基礎R 與 Python程式，這是大數據與AI 最重要的工具，從資料訓練、驗證訓練、智能推理過程中，了解一個建立實際運用的過程，幫助學員在工作上與更多產業結合產生新應用可能性。

TensorFlow2.0引入了Eager Execution動態圖模式、Keras高階API和tf.data等三個功能，讓學習門檻大幅降低。本課程使用最新的TensorFlow 2.0深度學習套件進行實作演練，讓學員同時學習到理論與實務應用於工作之中。

本課程涵蓋Python語法基礎，進行實際案例教學。依照本課程的步驟學習，就可以了解深度學習基本概念，並且實際運用其技術在各種領域。

數位訊號處理器 (Digital Signal Processor，DSP) 是一種效能強大的處理器，主要特點在於能夠即時處理訊號。本課程強調由淺入深、兼具理論與技術，並用Python程式設計，進行數位訊號處理器技術實作，藉此培養學員實務研發能力。

本課程從工業大數據基礎各式感測器數據的認識開始，從數據清理技術、特徵萃取技術的各式轉換，到基於模型、基於知識及基於數據等不同之智慧建模技術，輔以Python訊號處理與機器學習套件進行實機操作。

本課程將介紹聊天機器人概念，讓學員可以輕鬆學會 Python 程式語言，並由實作中學習如何快速製作出基於 FB Messenger 與 Line Chat 的聊天機器人。

本課程涵蓋：機器視覺之影像辨識應用及實作、Python網路爬蟲與資料分析技術實作、理財機器人與影像辨識技術應用、NLP自然語言處理與詞向量技術實作、OpenCV電腦視覺與影像處理技術實作等等相關課程，也有【線上同步數位學習課程】可以選擇。