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
|
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
|
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)
|
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
|
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
|
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
|
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)
|
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
|
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)
|
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
|
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)
|
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)
|
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
|
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。