SFI 證基會研討會系統

科目課程主題、時數

一：專業科目「大數據分析」課程大綱

上課日期時段	課程大綱（課程單元與內容)	學習目標	時數
10/7(五) 9:30-12:30	 「大數據」概念與各業數據分析應用概況大數據是什麼？為什麼需要大數據分析如何運用大數據？大數據應用階段大數據在產業的應用大數據的挑戰與應對方法	了解大數據原理、重要性及應用方法，並介紹大數據面臨之挑戰等相關議題。	3
10/14(五) 9:30-12:30	 機率統計與資料科學敘述性統計與機率分布參數估計與假設檢定探索性資料分析	了解機率統計與資料科學的基本原理，應用統計方法和假設檢定解決問題，並介紹常用的基本工具。	3
10/17(一) 14:00-17:00	 資料治理(Data Governance) 資料模型資料標準、質量管理資料分布和存儲資料安全資料治理的展望	探討資料治理相關概念、方法及過程。	3
10/21(五) 9:30-12:30	 資料前置處理資料清理（Data Cleaning）資料整合（Data Integration）資料轉換（Data Transformation）	了解資料前置處理的方式及流程，解決資料不完整、屬性值遺缺、雜訊或特例造成不一致等情形，提高資料探勘品質，提升探勘結果。	3
10/24(一) 14:00-17:00	 資料爬取與大數據分析爬蟲基本概念與做法爬蟲工具(以python為例) 資料儲存與讀取爬蟲實務	探討網路爬蟲原理，透過程式及技術工具，快速有效抓取與清理資料	3
10/28(五) 9:30-12:30	 關連規則Association rule：關聯與相關性探勘關聯模型的應用，以python軟體的實際操作，找出資料間彼此的相關聯性	探討關連規則基本原理，並以python為基本工具演示操作。	3
10/31(一) 14:00-17:00	 綜合大數據分析處理工具個案與應用	探討大數據分析常用工具軟體及個案演示(包括信用評分、精準行銷、客戶分群等)。	3
11/4(五) 9:30-12:30	 能力測驗	需達70分以上	3

註：上述課程大綱本基金會保留調整權利。

二：專業科目「人工智慧」課程大綱

上課日期時段	課程大綱（課程單元與內容)	學習目標	時數
11/7(一) 14:00-17:00	 人工智慧簡介(AI) 人工智慧的歷史與發展人工智慧廣泛的應用人工智慧在台灣的發展人工智慧的未來應用	了解人工智慧的意義、發展簡史及重大里程碑，說明人工智慧的原理，並介紹人工智慧發展現況概論及關鍵技術。	3
11/11(五) 9:30-12:30	 人工智慧的應用自然語言處理(Natural language processing) 智能客服 AML模型防詐欺模型  文字探勘(Text Mining) 文字關聯文字探勘主題技術文字探勘技術應用實例	了解自然語言處理的基礎、相關理論和實際應用，並探討文字探勘基本概念、運作流程、技術及目前文字探勘基本工具。實際應用包括信用評分、精準行銷、客戶分群等。	3
11/14(一) 14:00-17:00	 機器學習(ML) 機器學習的流程說明  機器學習的類型  1監督式學習(Supervised Learning)  2非監督式學習(Unsupervised Learning)  3半監督式學習(Semi-supervised Learning)  4強化學習(Reinforcement Learning)	探討機器學習基本理論、方法、工具及實際應用(包括信用評分、精準行銷、客戶分群等)，對機器學習的技術，有更系統性的認識，並具備實作基本能力。	3
11/21(一) 14:00-17:00、 11/25(五) 9:30-12:30	 人工智慧的演算法分類(Categorization) 分群(Clustering) 決策樹(Decision Tree) 隨機森林(Random Forest) K鄰近演算法(KNN)	了解人工智慧的演算法、構建基本步驟及典型的應用領域(包括信用評分、精準行銷、客戶分群等)。	6
11/28(一) 14:00-17:00	 聯邦學習（Federated Learning) 聯邦學習基礎、技術現狀、基礎隱私保護技術聯邦學習分類聯邦學習的產業應用和展望	探討聯邦學習定義與原理、其能解決的問題和現今技術方法(包括信用評分、精準行銷、客戶分群等)，並瞭解如何運用解決深度學習時所遇到到資料隱私問題。	3
12/5(一) 14:00-17:00	 智慧金融科技(Smart financial technology) 理財機器人智能客服信用評分精準行銷其他金融領域的應用	了解金融科技相關的人工智慧應用,及金融機構目前已在運用中的核心技術。	3
12/9(五) 9:30-12:30	 深度學習(DL)及人工智慧的應用深度學習簡介類神經網路的學習方式電腦視覺 (Computer Vision) 影像處理 (Image Processing)	了解深度學習的理論與基礎，從最基礎的模型出發，了解深度學習方法如何演進堆疊，達到強大效果，並認識電腦視覺應用，包括影像處理的基本原理及應用。	3
12/12(一) 14:00-17:00	 能力測驗	需達70分以上	3

註：上述課程大綱本基金會保留調整權利。