自強課程
課程名稱
【勞動力發展署補助80%】IPAS營運智慧分析師統計學習與人工智慧實戰班
如期開班
課程代碼:
11C020
上課時間:
2022/3/30(三)~6/15(三),18:50~21:50,共30小時
上課時數:
30 小時
上課地點:
課程費用:
5520元
(符合超值優惠價格者需送出報名表後,系統發出報名成功回函確認金額。)
課程目標:
「統計學」是最早論及資料處理與分析建模的學門領域之一,人工智慧(AI)與大數據時代的來臨,「資料探勘」旨在挖掘潛藏在資料中的型態,「機器學習」著眼於可產生準確預測的務實模型,統合三者之「統計學習與人工智慧」目的在鋪陳智能數據分析的理論與實務。資料探勘與機器學習能使計算機實際辨識不同型態且能自我學習;另一方面,統計學從理論的精確性角度探討AI建模過程的諸多缺失或改進方向。
本課程透過理論說明與案例實作,幫助學員理解AI大數據建模技術的機理,掌握當前人工智慧發展趨勢。課程結合統計分析、資料探索、屬性工程與資料視覺化,達成資料探勘與機器學習預測建模的學習目標。
本課程透過理論說明與案例實作,幫助學員理解AI大數據建模技術的機理,掌握當前人工智慧發展趨勢。課程結合統計分析、資料探索、屬性工程與資料視覺化,達成資料探勘與機器學習預測建模的學習目標。
課程大綱:
1.資料導向編程、整合式開發環境Spyder與Python語法特色
2.隨機誤差模型簡介
3.敘述統計
4.機率與推論統計
5.資料探索與屬性工程
6.相似性與距離
7.相關與獨立
8.統計機器學習的類型
9.過度配適與偏誤及變異之間的抵換關係
10.迴歸與分類模型績效評量
11.模型選擇與評定(含模型參數調校)
12.重抽樣與訓練測試機制
13.頻繁型態探勘
14.集群分析
15.線性迴歸與廣義線性模型(主成份迴歸、偏最小平方法、係數縮減法與羅吉斯迴歸
16.非線性迴歸與分類(k近鄰法、支援向量機、樹狀模型)
17.決策樹與薈萃式學習(拔靴集成、多模激發與隨機森林)
18.神經網路與深度學習簡介
2.隨機誤差模型簡介
3.敘述統計
4.機率與推論統計
5.資料探索與屬性工程
6.相似性與距離
7.相關與獨立
8.統計機器學習的類型
9.過度配適與偏誤及變異之間的抵換關係
10.迴歸與分類模型績效評量
11.模型選擇與評定(含模型參數調校)
12.重抽樣與訓練測試機制
13.頻繁型態探勘
14.集群分析
15.線性迴歸與廣義線性模型(主成份迴歸、偏最小平方法、係數縮減法與羅吉斯迴歸
16.非線性迴歸與分類(k近鄰法、支援向量機、樹狀模型)
17.決策樹與薈萃式學習(拔靴集成、多模激發與隨機森林)
18.神經網路與深度學習簡介
課程師資:
1.具備理工農醫商管科系背景,對人工智慧與大數據分析有興趣者。
2.適合資料分析師、資料科學家、程式設計師等相關職務者報名。
3.大專以上學員為佳。
2.適合資料分析師、資料科學家、程式設計師等相關職務者報名。
3.大專以上學員為佳。
學員須知: