自強課程
課程名稱
AI 世代研發生產力提升實務工作坊:低代碼資料分析與 AI 模型
熱烈招生中
課程代碼:
15W317
上課時間:
6/4(四)、6/5(五),09:00-16:00,共二週12小時。
上課時數:
12 小時
課程費用:
10000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 9000 元
- 早安鳥方案:會員於開課二週前(含)報名並完成繳費,可享超值優惠價 8500 元
- 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:
本課程重點在「看懂資料」和「整理資料」。
接著進入核心的「預測建模」,這是學員們做量化研究最常用的部分(分類與迴歸)。再拉高到「低結構化資料」,加入影像和文本分析應用,這是 Orange 相當吸引人的功能,適合作為課程的高潮與結尾。
接著進入核心的「預測建模」,這是學員們做量化研究最常用的部分(分類與迴歸)。再拉高到「低結構化資料」,加入影像和文本分析應用,這是 Orange 相當吸引人的功能,適合作為課程的高潮與結尾。
課程大綱:
1. Orange 介面導覽與視覺化探索
1-1 視覺化程式設計工具Orange 安裝與 Canvas 畫布操作邏輯資料匯入與基礎統計描述 (File, Data Table, Feature Statistics)
1-2 數據分佈理解與互動式視覺化:分佈圖 (Distributions)、散佈圖(Scatter Plot)、盒鬚圖(Box Plot)
1-3 資料篩選與特徵選取 (Select Rows/Columns)
2. 資料前處理與分類迴歸模型
2.1 資料品質檢測與遺失值處理 (Impute)
2.2 資料轉換與特徵離散化 (Continuize, Discretize)
2.3 相關性分析與特徵排序 (Correlation, Rank)
2.4 機器學習基礎概念:監督式 vs. 非監督式 vs. 強化式
2.5 決策樹 (Tree) 與視覺化解釋(Tree Viewer)
3. 監督式模型績效評估
3.1 邏輯斯迴歸 (Logistic Regression) 與支援向量機 (SVM)
3.2 模型訓練與驗證流程 (Test & Score)
3.3 殘差、混淆矩陣 (Confusion Matrix) 與績效指標解讀
3.4 模型績效視覺化:ROC 曲線與 AUC 指標分析
4. 集群分析、影像辨識與文本探勘
4.1 K-Means 集群演算法實作與參數調整
4.2 階層式分群 (Hierarchical Clustering) 與樹狀圖解讀
4.3 圖像嵌入 (Image Embedding) 與相似度分群
4.4 文字雲 (Word Cloud) 與情感分析 (Sentiment Analysis)
4.5 中英文本數據案例實作
1-1 視覺化程式設計工具Orange 安裝與 Canvas 畫布操作邏輯資料匯入與基礎統計描述 (File, Data Table, Feature Statistics)
1-2 數據分佈理解與互動式視覺化:分佈圖 (Distributions)、散佈圖(Scatter Plot)、盒鬚圖(Box Plot)
1-3 資料篩選與特徵選取 (Select Rows/Columns)
2. 資料前處理與分類迴歸模型
2.1 資料品質檢測與遺失值處理 (Impute)
2.2 資料轉換與特徵離散化 (Continuize, Discretize)
2.3 相關性分析與特徵排序 (Correlation, Rank)
2.4 機器學習基礎概念:監督式 vs. 非監督式 vs. 強化式
2.5 決策樹 (Tree) 與視覺化解釋(Tree Viewer)
3. 監督式模型績效評估
3.1 邏輯斯迴歸 (Logistic Regression) 與支援向量機 (SVM)
3.2 模型訓練與驗證流程 (Test & Score)
3.3 殘差、混淆矩陣 (Confusion Matrix) 與績效指標解讀
3.4 模型績效視覺化:ROC 曲線與 AUC 指標分析
4. 集群分析、影像辨識與文本探勘
4.1 K-Means 集群演算法實作與參數調整
4.2 階層式分群 (Hierarchical Clustering) 與樹狀圖解讀
4.3 圖像嵌入 (Image Embedding) 與相似度分群
4.4 文字雲 (Word Cloud) 與情感分析 (Sentiment Analysis)
4.5 中英文本數據案例實作
課程師資:
講師:鄒慶士 教授
學歷:臺灣科技大學 管理學博士
專長:機率與統計學習、進化式多目標最佳化、強化學習與控制、賽局與決策智
能、時空資料與圖神經網路、貝氏最佳化與建模
現任:臺北商業大學資訊與決策科學研究所教授
學歷:臺灣科技大學 管理學博士
專長:機率與統計學習、進化式多目標最佳化、強化學習與控制、賽局與決策智
能、時空資料與圖神經網路、貝氏最佳化與建模
現任:臺北商業大學資訊與決策科學研究所教授
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



