隨著巨量時代的到來，資料分析與探勘成為科技顯學，各行各業對於大數據的濃厚興趣也直接反映在大數據人才的豐厚薪資中。「資料分析師」指的是不同行業中，專門從事行業內數據蒐集、整理、分析，並依據這些數據做出研究、評估的專業人員。本課程選擇以Python程式語言教學，帶領您從零基礎開始，一步步進入資料分析的專業領域。

適合對象：大專畢業，對從事巨量資料分析與程式開發工作有興趣者。

課程效益：取得工研院證書 參訓學員出席率達80%且通過考試

工研院產業學院頒發「Python AI人工智慧資料分析師」培訓證書。

全系列課程名稱與日期：需自備筆電

 

單元	課程名稱	課程時間	時數	原價	優惠價
全系列	Python AI人工智慧資料分析師	4/9-5/15	64	35,200	32,000
單元一	Python程式設計入門	4/9-4/10	14
單元二	Python網路爬蟲實作技術	4/16-4/17	14
單元三	Python資料分析及工具運用	4/23-24 5/7-8	24
單元四	機器學習與深度學習模型應用	5/14-5/15	12

 

單元一: Python程式設計入門

 

Python程式語言比C或Java語言更容易學習，語法簡易功能強大，有高效的內建資料結構及優雅的語法，其優質的設計架構及豐富的程式套件更讓Python在許多領域廣泛應用。此外，Python也可在Linux, MAC, Windows, Android, 與iOS等平台上執行。

Python在網路爬蟲、數據處理、與雲端基礎設施等領域都有大量運用，是您學習數據資料分析不可或缺的工具。

 

課程目標:

 1. 快速瞭解Python基礎知識與技術2. 深入淺出學會流程控制與邏輯判斷

 3. 高階資料結構的運用  4. 物件導向基礎能力養成5. 完整程式碼範例強化實作能力

 

課程大綱&日期：4/9、4/10(六日) 9:00~17:00，共計14小時

主題	內容
Python簡介	* 程式語言發展                   * 編譯器與直譯器 * Python 語言特性與禪思          * Python 的應用 * 設定開發環境                   * 安裝套件 * 整合式開發環境                 * 程式基本要素 * 陳述與表示式                   * 輸出指令與註解
資料與模組	* 資料值與資料型態               * 字串 * 資料型態轉換                   * 變數 * 運算子與運算元                 * Python模組
資料結構	* Python型態                    * 字串與字串方法 * 串列與串列方法                 *字組                *字典
決策迴圈與函式	* 複合指令                       * 布林值與布林表示式 * 決策                           * For迴圈 * While迴圈                      * 檔案處理 * 例外處理                       * 函式 * 函式的回覆值與執行流程         * 函式的參數與變數
物件與類別	* 物件簡介                      * 類別 * 物件的產生                    * 程序式與物件導向式設計的比較 * 物件導向程式設計範例

※主辦單位保留課程調整及講師更動之權利

講師簡介:

鄭老師，僑光科技大學電腦輔助工業設計系講師，清華大學工業工程與工程管理系博士/專長: Python, 機器人學、深度學習、計算科學、自動駕駛輔助系統

單元二: Python網路爬蟲實作技術

處理大數據的目標使效率越來越高，成本不斷減少，從而造就了基於大數據的商業智能。而網際網路大量的資料等待著挖掘與分析，如何取得正確與精準的資料，網路爬蟲技術是一項非常實用的技能。這堂課深入淺出地教您如何打造自己的網頁爬蟲，透過實際的範例練習，讓您了解基礎的網頁爬蟲實戰技術。

課程大綱&日期：4/16-4/17 (六日) 9:00~17:00，共計14小時

主題	內容
資料來源與取得	* 介紹公開的資料來源與如何使用 Python 存取資料* 所需套件與環境準備 * API 資料來源與 Request 串接存取
認識 HTTP 網站架構與資料溝通方式	* 介紹目前網站前後端架構 * 網頁結構的解析與拆解
資料爬蟲 - 靜態網頁篇	* 使用 Request 與 Beatifulsoup 套件進行靜態網頁的爬蟲教學 * 運用正規表示式有效率的整理資料
靜態網頁爬蟲實戰	*實機操作
資料爬蟲 - 動態網頁篇	使用 Selenium 與 PhantomJS 套件進行動態網頁的爬蟲教學
動態網頁爬蟲實戰	*實機操作
實務上的爬蟲應用	* 爬蟲被擋了怎麼辦？淺談常見防爬蟲機制與處理策略 * 如何建構一個可以自動持續更新的爬蟲程式
有了資料之後，然後呢？	* 資料儲存與管理（CSV、EXCEL、SQL） * 介紹 Python 的資料科學生態系* 初探視覺化與資料探索

※主辦單位保留課程調整及講師更動之權利

講師簡介:

張老師，清華大學資訊工程研究所畢，主要研究領域為巨量資料之實務應用，曾經擔任資料科學年會/行動科技年會講者。擅長資料科學與網站開發技術，熟悉的語言是 Python 跟 JavaScript。是資料科學的信仰者，試圖用資料科學的方法導入到不同領域解決問題。喜歡與不同背景的人進行交流，分享資訊思維與跨領域的整合經驗。

單元三: Python資料分析及工具運用

隨著電腦運算效率提升與大數據資料取得便利，讓資料分析的應用範圍擴及各個產業，也大大提高資料處理的效益。本課程選擇的程式語言是Python，理論搭配實作教學，讓您能夠理解數據分析的基本概念與技巧，將所學運用在您的專業領域。

課程大綱&日期：4/23-4/24 、5/7-5/8 (六日) 9:30~16:30，共計24小時

以python 功能與語法，學資料科學 資料科學及python 工具 資料科學簡介 資料科學的價值及案例分析 運用Pandas進行資料前處理  1.基本資料結構2.資料匯入與匯出：Excel、CSV、JSON 3.遺失值處理語法與運用4.資料合併、JOIN 語法與運用 5.自由取想要的資料 語法與運用6.分組計算 語法與運用 7.數值運算 語法與運用 運用 Matplotlib 與 Seaborn 進行資料視覺化 1.matplotlib 的架構簡介 2.seaborn　的視覺化特性與分類 語法與運用 3.圖解資料，運用語法劃出以下圖形 * 折線圖（Line plot）* 散佈圖（Scatter plot） * 直方圖（Histogram）* 長條圖（Bar plot）等。 4.剖析視覺化的目標與圖形蘊含意義，讓你可以根據你的目的，挑選出合適的圖形，進行視覺化呈現。 資料科學實戰綜合應用   探索性資料分析的-異常值偵測 拆解與實現業界執行資料科學模型建置前的重要準備工作。 *探索性資料分析的定義 *異常值偵測 探索性資料分析的-補值策略分析 1.常見的遺失值與異常值的進階補值策略，包含 k nearest neighbor(KNN)等方法。 探索性資料分析的-變數間的相關性 運用統計方法的指標，挖掘連續型與連續型資料間的關係，連續型與離散型資料間的關係，以及離散型與離散型資料的關係。 探索性資料分析的-特徵工程 1.從資料中產生特徵 *好特徵的特性剖析*常見的產生的特徵的方法 2.特徵選取*如何從眾多特徵中，篩選出好的特徵，課程中會介紹過濾法與包裝法等方法。 3.特徵降維*何時需要特徵降維?課程中會介紹常見的特徵降維的方法，包含 Principal Component Analysis(PCA)等。 專題實作 從真實的資料集出發，綜合運用探索性資料分析的技巧，發現躲藏在資料下的特徵與目標結果的相關性，在課堂上進行你的第一場 kaggle　比賽吧!!

※主辦單位保留課程調整及講師更動之權利

講師簡介:
陳老師，交通大學統計研究所博士畢業，主要研究領域為透過統計分析與機器學習演算法等技
術實作解決實務問題，目前在逢甲大學地理資訊系統研究中心擔任研究助理教授與資料科學家的角
色，同時，也為AI Tech社群社長，善於觀察，透過數據、行為與現象發現事物的變化，運用心理
學、行為科學與資料科學演算法探究內部的本質與原因。

單元四: 機器學習與深度學習模型應用

AI已經進入到不同產業，不論在電子、金融、資訊、醫療、零售、通訊、交通、物流等領域，您都可能透過機器學習（Machine Learning）解決過去難以解決的問題。機器學習與深度學習是人工智慧的分支，是一門很深的學問，本課程從基礎切入，由淺入深，包含理論及實作技術，讓學習者了解何時可以使用機器學習與深度學習、為何機器可以學習、機器如何學習、如何讓機器學得更好，幫助您掌握機器學習最核心的觀念與技術本質。


課程大綱&日期：5/14-5/15 (六日) 9:30~16:30，共計12小時

主題 內容 認識深度學習 1.  機器是甚麼，機器學習解決了什麼問題？ 2.  機器學習的運作原理 3.  人工智慧/機器學習框架與分類 5.  機器學習與深度學習 6.  學習深度學習的基礎知識：   數學特徵與推論了解資料與機器學習中的資料種類 機器學習基礎 1. 線性模型介紹以及，Scikit-Learn 套件架構    迴歸與分類問題: 兼談損失函數與熵。 2. 樹狀模型與集成模型介紹 3. 非監督式模型: K-means 與 PCA 4. Sklearn datasets 範例與實作練習。 5. Kaggle競賽網站介紹與範例介紹。 深度學習: 深層深經網路Deep Neural Networks 1.  深度學習與人類大腦: 神經元與神經網路 2.  深度學習框架、梯度下降法、正向\反向傳播 3.  用Keras 實踐 DNN與基本參數設定:   基本 DNN隱藏層介紹(Hidden Layer)   基本激活函式介紹(Activative Function)   基本損失函示與最佳化方式選擇 (Hidden Layer) 4.  參數量計算 深度學習:卷積神經網路CNN入門 1.  CNN 元件(卷積層與池化層)與運作解說 2.  用CNN 進行影像分類  3. 經用典網路介紹: AlexNet, VGG, Google Net, ResNet 4. 一個過擬合的問題討論(視時間情況進行) 深度學習:進階卷積神經網路CNN 1.  過擬合的對策 資料增強套用Pre_Train 模型其他 2.  CNN 與 DNN 的關係(視時間情況進行) 3.  CNN 應用實例: 風格轉換、生成對抗模型、語意分割 4.  Yolo 介紹。 5.  網路優化(調參)實例練習(以 DNN 進行) 自然語言處理的發產現況 1.  話說從頭語言模型到深度學習的 NLP (LM and RNN) 2. 有趣的字嵌入 (Word Embedding) 3. 注意力(attention) 的導入與 NLP Pre-Train Model 產生 4. Transformer、BERT 到 GPT3 *. 補充教材: 梯度爆炸與梯度消失 其他深度學習技術介紹 1.  腦補的生成器:自動編碼器 (AutoEncoder) VAE (Variational Encoder) 2.  強化學習Reinforcement Learning 3.  攻擊網路原理

 課程實作會以 python 在Google Colab 網路平台進行，採用框架套件是sklearn 與 keras。

課程主軸會以認識深度學習、機器學習基礎、深層深經網路Deep Neural Networks、卷積神經網路CNN入門與進階卷積神經網路CNN為主，皆包含實作範例。

其他主題內容視時間情況進行。

※主辦單位保留課程調整及講師更動之權利


講師簡介:阮老師，台灣科技大學電子所通訊組碩士畢業，主要研究領域為通訊系統、深度學習、機器學習與專案管理，曾經擔任資料科學年會/行動科技年會講者。擅長資料科學與網站開發技術，熟悉的語言是 Python 跟 JavaScript。是資料科學的信仰者，試圖用資料科學的方法導入到不同領域解決問題。喜歡與不同背景的人進行交流，分享資訊思維與跨領域的整合經驗。

常見問題

上課方式：線上直播 本課程使用Microsoft Teams系統 請學員先安裝此會議軟體(並註冊報名時填寫的MAIL為帳號)https://www.microsoft.com/zh-tw/microsoft-teams/group-chat-software

【自備設備】具有耳麥、筆電或桌上型電腦、穩定的網路環境（建議使用有線網路）

並於課前統一軟體測試後，寄出紙本講義 請務必上線進行連線測試，以利課程進行

報名專線：04-25678652林小姐

繳費方式 (一)ATM轉帳：繳費方式選擇「ATM轉帳」者，系統將給您一組轉帳帳號「銀行代號、轉帳帳號」，但此帳號只提供本課程轉帳使用,轉帳後，寫上您的「公司全銜、課程名稱、姓名、聯絡電話」與「收據」傳真至04-25690361工研院產業學院 台中學習中心 收。 (二)信用卡：繳費方式選「信用卡」，直到顯示「您已完成報名手續」為止，才確實完成繳費。 (三)銀行匯款：土地銀行工研院分行，帳號156-005-00002-5（土銀代碼：005）。戶名「財團法人工業技術研究院」，匯款後，寫上您的「公司全銜、課程名稱、姓名、聯絡電話」與「收據」傳真至04-25690361工研院產業學院 台中學習中心 收。 (四)即期支票或郵政匯票：抬頭「財團法人工業技術研究院」，郵寄至：428台中市大雅區中科路6號4樓(中科工商服務大樓4樓) 工業技術研究院 收。 (五)計畫代號扣款(工研院同仁) :請登入工研人報名；俾利計畫代號扣款。 ※繳費後請於收據上註明「公司名稱、課程訊息、姓名、聯絡電話」，傳真至產業學院 04-25690361 林小姐 收