自強課程
課程名稱
低程式碼AI起步走 - Orange資料分析建模 (Low Code AI with Orange - Data Analytics & Modeling)
熱烈招生中
📢超級早鳥優惠:➡會員114/4/15(含)前報名:7,800元/人!
課程代碼:
14W317
上課時間:
5/6、5/13,星期二,09:00-16:00,共二週12小時。
上課時數:
12 小時
課程費用:
8500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。)
超值優惠:
- VIP企業會員價:VIP企業會員可享優惠價格 (按我)
- 會員優惠價: 會員於開課前七天完成報名繳費者可享會員優惠價 8000 元
- 團報價方案:會員2人同行,可享同行價 7800 元(須於課前告知)
- 會員紅利折抵:本課程歡迎使用紅利折抵,最高可使用 100 點
課程目標:
1. 透過視覺化程式設計進行資料探索與分析。
2. 學習資料探勘與機器學習方法。
3. 建立自己的資料分析流程,運用數據完成預測建模。
2. 學習資料探勘與機器學習方法。
3. 建立自己的資料分析流程,運用數據完成預測建模。
課程特色:
Orange是一個開源的資料探勘與機器學習視覺化程式設計環境,可在Windows、Mac和Linux等作業系統下免費使用。Orange要求的程式編寫能力不高,僅需簡單的直覺操作便可完成大部分的分析與建模任務。它提供多元的工具元件(widgets)集,用以建立互動式資料分析工作流程,是圖形化介面的優秀資料探索與建模工具。相較於傳統的程式設計模式,圖形化使用者界面讓使用者專注於資料的探索與分析,而非繁瑣的程式編寫工作。Orange可以像積木一樣,透過工具元件的串疊,模組化完成資料視覺化、主成份分析、集群分析、關聯規則挖掘、迴歸建模、圖像分類、文字探勘、光譜資料分析、網絡資料分析、時間序列預測、生物資訊、地理資料視覺化等任務。
除了前述直覺的使用者界面,Orange也有適合資深資料科學家的進階功能,可以在不同熟練程度的使用者間共享數據分析的流程。有經驗的程式設計師,可以透過元件中各種選項的設定,加速數據建模的試誤過程;或者是直接編寫Python腳本語言,定義客製化(custom)的功能。透過各類元件的靈活設計,Orange促進團隊中不同專業水準成員之間的協同合作。學習Orange讓機器學習工程師和資料科學家更快地上手資料處理、模型建置、訓練測試、及模型部署與應用等任務。而對於經理人員來說,低代碼的Orange無需程式編寫能力,簡單操作下便可完成基本的資料視覺化與分析任務。本課程全程融入不同領域的案例,除了理論講解外,並搭配實際操作,落實『做中學、學中做』的學用合一理念。
除了前述直覺的使用者界面,Orange也有適合資深資料科學家的進階功能,可以在不同熟練程度的使用者間共享數據分析的流程。有經驗的程式設計師,可以透過元件中各種選項的設定,加速數據建模的試誤過程;或者是直接編寫Python腳本語言,定義客製化(custom)的功能。透過各類元件的靈活設計,Orange促進團隊中不同專業水準成員之間的協同合作。學習Orange讓機器學習工程師和資料科學家更快地上手資料處理、模型建置、訓練測試、及模型部署與應用等任務。而對於經理人員來說,低代碼的Orange無需程式編寫能力,簡單操作下便可完成基本的資料視覺化與分析任務。本課程全程融入不同領域的案例,除了理論講解外,並搭配實際操作,落實『做中學、學中做』的學用合一理念。
課程大綱:
1.Orange資料探索與視覺化
2.Orange資料清理與特徵工程
3.Orange非監督式學習之主成份分析與集群分析
4.Orange監督式學習之分類與迴歸模型
5.Orange預測建模案例研討
2.Orange資料清理與特徵工程
3.Orange非監督式學習之主成份分析與集群分析
4.Orange監督式學習之分類與迴歸模型
5.Orange預測建模案例研討
課程師資:
鄒慶士 教授
專長:機率與統計學習、進化式多目標最佳化、賽局模型應用、系統模擬與強化學習、時間序列分析與控制
現任:國立臺北商業大學資訊與決策科學研究所暨智能控制與決策研究室教授
經歷:
香港科技大學(廣州)工業信息與智能研究所訪問教授(2024.10~2025.01)
國立臺北商業大學校務永續發展中心主任(2023.08~2024.07)暨推廣教育部主任(2024.02~2024.07)
專長:機率與統計學習、進化式多目標最佳化、賽局模型應用、系統模擬與強化學習、時間序列分析與控制
現任:國立臺北商業大學資訊與決策科學研究所暨智能控制與決策研究室教授
經歷:
香港科技大學(廣州)工業信息與智能研究所訪問教授(2024.10~2025.01)
國立臺北商業大學校務永續發展中心主任(2023.08~2024.07)暨推廣教育部主任(2024.02~2024.07)
主辦單位:
財團法人自強工業科學基金會
學員須知:
注意事項