| AI應用 |
課程內容 |
【機器學習原理與應用】
- 機器學習核心概念說明:特徵、標籤、模型、訓練
- 常見演算法原理介紹:決策樹、KNN、SVM…等
- AutoML 與 No Code 實例:快速理解模型建立流程
- 日常生活應用案例:推薦系統、詐騙偵測…等
|
課程時間
115/1/28 (三)
09:00-16:00
 |
【資料處理流程與視覺化】
- 資料前處理的基本流程:清理、轉換、標準化等步驟
- 表格與結構化資料解析:常見資料型態處理技巧
- 資料視覺化應用:圖表類型選擇與工具操作(如Excel, Google Data Studio)
|
【AI發展趨勢與跨域應用】
- AI發展歷程與世代演進:鑑別式AI到生成式AI
- 全球與臺灣AI趨勢觀察
- AI跨域應用實例
- AI職能轉型與未來展望
|
課程時間
114/12/19 (五)
09:00-16:00
 |
【AI核心技術與運作架構】
- AI與資料驅動邏輯:數據、模型、預測與決策關係
- 人工智慧常見架構解析:訓練、推論、回饋流程說明
- AI模型種類與比較:監督學習、非監督學習、深度學習等
- AI系統架構與運作範例:雲端、邊緣與嵌入式應用概念
|