2.Python機器學習應用開發(主修):巨匠電腦

課程資訊

開課日期

2025-09-17

學習時程

66小時

上課時間

週一,週三

上課時段

晚上

適用對象

◆軟體開發人員：想使用Python程式語言開發機器學習應用
◆機器學習初學者：希望從機器學習了解人工智慧應用
◆數據分析師：更深入了解如何使用Python進行機器學習模型的訓練和評估

課程特色

『四階完整學習獲取AI職能力』

『跟上AI時代你需要具備的職能』
──當前職場需要的AI技術，主要分成「自然語言處理、知識表現、自動推理、機器學習、電腦視覺/語音辨識技術、機器人技術」，完整系列學程結訓可獲得程式語言、資料來源處理、資料科學、資料視覺化、機器學習、深度學習、強化學習、影像辨識與自然語言處理的職能，學習完幾可囊括當前職場所需AI技術。

『課程中以實作累積專案經驗』
──完整系列課程中有多次實作機會，囊括主題含資料分析與視覺化、監督式學習、非監督式學習、NLP、CNN、訓練與預測及人臉辨識，多個專題實作確認學員進度與加深課程熟悉度。

詳細內容

學習目標： ◆以Python程式語言進行機器學習應用開發，介紹機器學習（Machine Learning）的理論基礎：十大處理流程、以各種演算法搭配實作 ◆培養學員擁有數據收集與資料應用至機器學習之能力 ◆透過資料進行以下實作，如：樂透中獎機率計算、Kaggle 案例、乳癌檢測、目標客戶分類、以RFM指標尋找VIP客戶等課程內容： ◆機器學習概念介紹 ◆線性代數與迴歸方程式、微積分與梯度下降法 ◆統計學導論、機率與假設檢定 ◆神經網路與數學／統計整合 ◆機器學習開發流程與實作 ◆資料蒐集、清理與探索。 ◆特徵工程（Feature Engineering）分類與實作 ◆迴歸與分類演算法 ◆模型評估與效能調校 ◆效能衡量指標 ◆整體學習（Ensemble Learning）演算法、集群演算法 ◆半監督式學習 ◆MLOps 習得技能： ◆數據蒐集與資料應用 ◆機器學習相關演算法原理 ◆進行各項機器學習演算法實作 ◆建立回歸、分類與分群各種模型 ◆搭配套件進行各種統計運算 ◆監督式學習（分類與迴歸） ◆非監督式學習（分群） ◆進行數值資料分析與預估 ◆針對結構化文件（例如csv：表格與數值）進行分類或分群