經理人週末研修班 課程大綱
- 首頁
- 經理人週末研修班 課程大綱
每日課程原則如下: (依各分校狀況調整)
| 時段 | 內容 |
|---|---|
| 09:30 ─ 10:50 | 💡 課程 |
| 10:50 ─ 11:10 | ☕ Tea Break |
| 11:10 ─ 12:30 | 💡 課程 |
| 12:30 ─ 13:30 | 🍱 Lunch |
| 13:30 ─ 14:50 | 💡 課程 |
| 14:50 ─ 15:00 | 🏄 Break |
| 15:00 ─ 16:30 | 💡 課程 |
| 16:30 ─ 16:50 | ☕ Tea Break |
| 16:50 ─ 18:00 | 💡 專題演講 |
| 週別 | 主題課程 | 內容大綱 |
|---|---|---|
| 1 | 開學典禮 / 課程介紹與人工智慧概觀 | |
| 2 | 統計與資料分析 |
1. 敘述統計與機率分布 2. 參數估計與假設檢定 3. 資料處理方法(平滑技巧/遺失值處理/資料轉換/重抽法則) 4.探索式資料分析/統計圖表 |
| 3 | 機器學習與演算法概論 |
1. Introduction to machine learning 2. Supervised learning and unsupervised learning 3. Tree-based classification and regression 4. Fitting-based classification and regression 5. Practical concerns |
| 4 | 深度學習入門 |
1. 深度學習簡介 2. 深度學習實務技巧與前瞻技術 3. 對抗式學習入門 4. 強化學習入門 |
| 5 | 電腦視覺 |
1. CNN 原理簡介 2. 代表性 CNN 模型 3. CNN 於電腦視覺之應用與實際案例 |
| 6 | Python and ML |
1. Python 資料分析 2. EDA資料探勘案例分析 3. 迴歸分析 4. 分類&SVM |
| 7 | 推薦系統 & 聊天機器人 |
1. 關聯式推薦 (association rule) 2. 內容推薦 (content-based recommendation) 3. 協同過濾推薦 (collaborative filtering) 4. 深廣學習 (wide & deep learning) 推薦系統 |
| 8 | 機器學習+深度學習的程式實作 |
1. 課程 DNN原理與實做 2. 訓練DNN模型的優化技巧 3. 怎麼解決overfitting 4. 課程 CNN原理與實作 |
| 9 | 語音與音樂訊號處理 |
1. 自動語音識別 2. 聲學比對 -- 聲學模型 3. 語言解碼 (Decode) -- 語言模型 |
| 10 | 人工智慧的製造應用 |
1. 智慧製造的理論與實務 2. 製造生產數據與AI應用 |
| 11 | 人工智慧的產業應用 |
1. 人工智慧在醫療行業上的應用 2. 人工智慧在金融行業上的應用 |
| 12 | 社群媒體與社交網路分析 |
1. 社群分析可以為組織帶來什麼好處? 2. 社群數據分析分享 |
| 13 | 文字探勘與自然語言處理 |
1. 文字能挖出什麼有價值的資訊 2. 如何進行文字探勘 3. 文字探勘與自然語言處理的實務應用 |
| 14 | 系統性思維與產業案例大數據解析與趣味 |
1. 數據分析的實際案例與教訓經驗分享 2. 一生受用統計學與生活案例 |
| 15 | 人工智慧開發環境建置 |
1. 企業大數據分析案例與實務 2. AI 人員團隊的建置與所需的 Know-how |
| 16 | 結業典禮 / 成果發表 |