fbpx

 FPGA

 03/29FPGA數位IC設計實戰
【業師教學|產業實戰推薦】

 information security banner

 03/30MCU單晶片韌體設計
實體遠距同步教學,欲洽從速

 PCB 192x93

 04/13PCB Layout佈局設計
【立即洽詢課程優惠】

 2020 el banner 192X93

 隨時開課軟韌體線上課程
★專業技術/證照課程助你職能升級

 

 

iPAS bannerv3

現在位置: 艾鍗學院實體課程 AI課程總覽頁iPAS巨量資料分析師考照班
2 大學習理由
理由1 : 優先獲得企業面試/聘用及加薪之機會
iPAS產業人才能力鑑定是經濟部為充裕產業升級轉型所需人才,整合產官學研共同能量所建立的鑑定體制。目前已有435個學校系所加入認同,願意以能力鑑定為基礎強化教學,並積極連結考試、專業證書獎勵、培育、師資等層面應用,以發展系所特色課程;而在企業方面,目前有801家企業簽署認同,如鴻海、台積電、聯發科、宏達電等,承諾優先聘用獲證者,其中也有不少企業鼓勵員工報考,並積極研議將能力鑑定列入員工績效考核。考得此證,代表你的專業能力由政府作保證,更容易獲得企業優先面試/聘用及加薪之機會。
理由2 : 有一個明確的從「優秀到卓越」的努力方向
iPAS認證制度依照專業程度分成 : 初級、中級、高級。各級都有明確律定該具備的能力,有助於對此主題有興趣的學習者從零到有,循序漸進地培養產業所需的專業能力。再加上AI如火如荼發展,各大產業對於巨量資料分析人才都存在龐大需求
鑑測資訊
 

《AI應用規劃師-中級考試科目抵免說明》

※ 如果您已取得 iPAS「巨量資料分析師(初級/中級)」或「機器學習工程師(初級/中級)」證照,只需報考 L21 人工智慧技術應用與規劃,並通過該科目,即可獲得 「AI 應用規劃師(中級)」 證照。

 

初級
• 鑑測科目
專業級等科目(共2科)能力指標鑑測資訊
初級 1.資料導向程式設計 瞭解該專業的基本知識與技能
具擔任該專業入門水準
詳見iPAS官網
2.資料處理與分析概論
專業等級 考試日期 時間 題型 鑑定方式

考區

初級

第一次: 113/06/01(六)

第二次: 113/11/23(六)

09:00~10:15

(75分鐘)

單選題各50題 電腦測驗 台北、台中、高雄

10:45~12:00

(75分鐘)

中級
• 鑑測科目
專業級等科目(共2科)能力指標鑑測資訊
中級 1.資料分析與資料科學 具備該專業知識與技能
可應用於實際作業
詳見iPAS官網
2.巨量資料分析實作
※報考資格:需符合下列任一項條件:
1.大學畢業
2.具資料分析相關經驗1年(含)以上
3.具初級巨量資料分析師證書
專業等級 考試日期 時間 題型 鑑定方式

考區

中級

113/08/10(六)

09:00-11:00

(120分鐘)

單選題各50題 電腦測驗 台北

13:00-16:00

(180分鐘)

題組
(共4大題)

術科實作


(資料來源 : iPAS官網)

學習目標
  • 熟悉Python程式語言與Python物件導向設計。
  • 熟悉Python原生的資料結構操作,如tuple, list, dict, set等。
  • 機器學習的概念(監督式學習、非監督式學習)。
  • 資料特徵與資料預處理方式。
  • 知道如何使用Scikit Learn 套件進行實作。
  • 了解迴歸與最小平方法。
  • 了解基本的機器學習分類演算法, 如決策樹、隨機森林等。
  • 了解機器學習分群演算法, 如K-means, 階層式分群法。
  • 熟悉Python常用的資料處理套件,如Pandas, Numpy, Matplotlib。
  • 從提供的iPAS 中級實作題解答中,了解更多實作技巧。
課程大綱

章章精彩、片刻不冷場幫你打穩前進巨量資料分析師的基本功。

初級
Part1.資料導向程式設計
  • 1.Python實作基礎
    • Python 簡介
    • 變數與動態資料型別
    • 運算式
    • 序列資料結構- list, tuple, range
    • 非序列資料結構-set, dict,…
    • 流程控制
    • 自訂函數
    • 變數命名空間
    • 例外處理
    • 物件導向設計
    • 模組與套件
    • 資料匯入與匯出(txt,csv,JSON,pickle)
    • 附錄: Anaconda 安裝與使用
Part2.機器學習簡介與資料處理
  • 1.人工智慧簡介
  • 2.機器學習簡介(監督式學習、非監督式學習)
  • 3.資料與特徵
  • 4.資料預處理使用Scikit-learn
  • 5.其他
    • Z-score 標準化
    • 資料庫概念(含NoSQL)
 
中級
Part3.機器學習實務
  • 1.Introduction to Machine learning & Terminology
  • 2.Linear Regression
    • Gradient Descent from scratch
    • Linear Regression from scratch
    • ridge vs lasso regression
  • 3.Machine learning using Scikit-learn
  • 4.Linear Regression using Scikit-learn
  • 5.Classification
    • Logistic Regression
    • KNN
    • SVC
    • Decision Tree
    • Random Forest
    • ANN (Artificial Neural Network)
  • 7.Performance metric
    • Confusion matrix, Precision, recall, F1-score, AUC...
  • 8.Ensemble Method
    • Adaboost...
  • 9.Dimensionality reduction - PCA
  • 10.Clustering
    • K-means
    • Hierarchical Method
  • 11.Reinforcement Learning
    • Q-learning Algorithm & Implementation
  • 12.機器學習與深度學習技術簡介
  • @ 進階資料處理 (Python常用資料處理套件)
    • 資料矩陣運算-使用Numpy
    • 資料庫匯入-使用Pandas
    • 資料視覺化-繪圖與製表-使用Matplotlib
Part4 iPAS巨量資料分析試題

※本課程以Python資料科學與機器學習實作為導向,確切考試範圍以iPAS官方網站為準

背景知識
  1. Part1 只要對程式有興趣或資料科學/機器學習有興趣即可
  2. Part2 須具備基礎Python程式基礎
  3. Part3 須具備Part1(Python)與Part2的基礎
職涯方向
數據分析工程師  |  AI工程師  |  資料科學家  |  機器學習工程師  |  演算法開發工程師

 

培訓花絮
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
 

本班隊已經有超過30多位的學員通過
<iPAS巨量資料分析師-初級能力鑑定>

ipasbdaip-certificate

 
ipas_pic1
ipas_pic2
ipas_pic3
ipas_pic4
 
講座/培訓需求表單
延伸學習

 

IPAS banner02

10th el sale banner

 

 

 

2 大學習理由
理由1 : 優先獲得企業面試/聘用及加薪之機會
iPAS產業人才能力鑑定是經濟部為充裕產業升級轉型所需人才,整合產官學研共同能量所建立的鑑定體制。目前已有435個學校系所加入認同,願意以能力鑑定為基礎強化教學,並積極連結考試、專業證書獎勵、培育、師資等層面應用,以發展系所特色課程;而在企業方面,目前有801家企業簽署認同,如鴻海、台積電、聯發科、宏達電等,承諾優先聘用獲證者,其中也有不少企業鼓勵員工報考,並積極研議將能力鑑定列入員工績效考核。考得此證,代表你的專業能力由政府作保證,更容易獲得企業優先面試/聘用及加薪之機會。

理由2 : 有一個明確的從「優秀到卓越」的努力方向
iPAS認證制度依照專業程度分成 : 初級、中級、高級。各級都有明確律定該具備的能力,有助於對此主題有興趣的學習者從零到有,循序漸進地培養產業所需的專業能力。再加上AI如火如荼發展,各大產業對於巨量資料分析人才都存在龐大需求

鑑測資訊
 

《AI應用規劃師-中級考試科目抵免說明》

  • ※ 如果您已取得 iPAS「巨量資料分析師(初級/中級)」或「機器學習工程師(初級/中級)」證照,只需報考 L21 人工智慧技術應用與規劃,並通過該科目,即可獲得 「AI 應用規劃師(中級)」 證照。

 

初級
• 鑑測科目
專業級等科目(共2科)能力指標鑑測資訊
初級 1.資料導向程式設計 瞭解該專業的基本知識與技能
具擔任該專業入門水準
詳見iPAS官網
2.資料處理與分析概論
專業等級 考試日期 時間 題型 鑑定方式

考區

初級

第一次: 113/06/01(六)

第二次: 113/11/23(六)

09:00~10:15

(75分鐘)

單選題各50題 電腦測驗 台北、台中、高雄

10:45~12:00

(75分鐘)

中級
• 鑑測科目
專業級等科目(共2科)能力指標鑑測資訊
中級 1.資料分析與資料科學 具備該專業知識與技能
可應用於實際作業
詳見iPAS官網
2.巨量資料分析實作
※報考資格:需符合下列任一項條件:
1.大學畢業
2.具資料分析相關經驗1年(含)以上
3.具初級巨量資料分析師證書
專業等級 考試日期 時間 題型 鑑定方式

考區

中級

113/08/10(六)

09:00-11:00

(120分鐘)

單選題各50題 電腦測驗 台北

13:00-16:00

(180分鐘)

題組
(共4大題)

術科實作


(資料來源 : iPAS官網)

為什麼選擇艾鍗學院
  • 艾鍗學院擁有豐富的培訓經驗,是全國首家為iPAS巨量分析師量身規劃課程的培訓中心,培訓對象是適合以本證照作為畢業資格之一或是為求職加分的大學生。
  • 本班講師皆取得iPAS認證,能帶給學員最有幫助的iPAS應試方針。

學習目標
  • 熟悉Python程式語言與Python物件導向設計。
  • 熟悉Python原生的資料結構操作,如tuple, list, dict, set等。
  • 機器學習的概念(監督式學習、非監督式學習)。
  • 資料特徵與資料預處理方式。
  • 知道如何使用Scikit Learn 套件進行實作。
  • 了解迴歸與最小平方法。
  • 了解基本的機器學習分類演算法, 如決策樹、隨機森林等。
  • 了解機器學習分群演算法, 如K-means, 階層式分群法。
  • 熟悉Python常用的資料處理套件,如Pandas, Numpy, Matplotlib。
  • 從提供的iPAS 中級實作題解答中,了解更多實作技巧。

學習菜單

章章精彩、片刻不冷場幫你打穩前進巨量資料分析師的基本功。

  • 課程所附教材:
    • 範例程式碼
    • 精編實體紙本講義
    • 詳細Code解說且程式範例檔案分類整理
    • 線上助教系統

 
初級
Part1.資料導向程式設計
  • 1.Python實作基礎
    • Python 簡介
    • 變數與動態資料型別
    • 運算式
    • 序列資料結構- list, tuple, range
    • 非序列資料結構-set, dict,…
    • 流程控制
    • 自訂函數
    • 變數命名空間
    • 例外處理
    • 物件導向設計
    • 模組與套件
    • 資料匯入與匯出(txt,csv,JSON,pickle)
    • 附錄: Anaconda 安裝與使用
Part2.機器學習簡介與資料處理
  • 1.人工智慧簡介
  • 2.機器學習簡介(監督式學習、非監督式學習)
  • 3.資料與特徵
  • 4.資料預處理使用Scikit-learn
  • 5.其他
    • Z-score 標準化
    • 資料庫概念(含NoSQL)

 

 
中級
Part3.機器學習實務
  • 1.Introduction to Machine learning & Terminology
  • 2.Linear Regression
    • Gradient Descent from scratch
    • Linear Regression from scratch
    • ridge vs lasso regression
  • 3.Machine learning using Scikit-learn
  • 4.Linear Regression using Scikit-learn
  • 5.Classification
    • Logistic Regression
    • KNN
    • Decision Tree
  • 6.Dimensionality reduction - PCA
  • 7.Ensemble Method
    • Random Forest
    • Adaboost
  • 8.Clustering
    • K-means
    • Hierarchical Method
  • 9.Reinforcement Learning
    • Q-learning Algorithm & Implementation
  •   
  • @ 進階資料處理 (Python常用資料處理套件)
    • 資料矩陣運算-使用Numpy
    • 資料庫匯入-使用Pandas
    • 資料視覺化-繪圖與製表-使用Matplotlib
Part4 iPAS巨量資料分析試題

※本課程以Python資料科學與機器學習實作為導向,確切考試範圍以iPAS官方網站為準

背景知識
  1. Part1 只要對程式有興趣或資料科學/機器學習有興趣即可
  2. Part2 須具備基礎Python程式基礎
  3. Part3 須具備Part1(Python)與Part2的基礎

職涯方向
數據分析工程師  |  AI工程師  |  資料科學家  |  機器學習工程師  |  演算法開發工程師

 

培訓佳績
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
 

本班隊已經有超過30多位的學員通過
<iPAS巨量資料分析師-初級能力鑑定>

certificate data

 

課程諮詢
更多延伸學習
 
全新數位學習平台

 

 

 

ipas banner ML

10th el sale banner

 

 

◆ 歡迎企業/學校單位填表索取輔導考照資訊,或撥02-23167736洽詢

3大學習理由
理由1 : 優先獲得企業面試/聘用及加薪之機會
iPAS產業人才能力鑑定是經濟部為充裕產業升級轉型所需人才, 整合產官學研能量所建立的鑑定體制。目前有801家以上企業簽署認同,如鴻海、台積電、聯發科、宏達電、華碩電腦等,承諾優先聘用獲證者,代表你的專業能力由政府作保證,更容易獲得企業優先面試/聘用及加薪之機會。

理由2 : 無形專業,有形呈現!獲證讓你的實力和衝勁被看見,獲得晉升機會
身為職場工作者,一樣都要學習提升自己、累積實作經驗,若能留下證照作為成果與憑證,何樂而不為?! iPAS認證制度依照專業程度分成 : 初級、中級、高級。各級都有明確律定該具備的能力,逐步闖關通過,個人成長的企圖心、積極度看的見,讓你在人海中脫穎而出!

理由3 : AI即未來!所有產業都離不開AI
人工智慧如火如荼發展,整個產業勢必向智慧化靠攏, AI人才需求也倍數增長!或許你短期沒有轉職就業的需求,但身為偌大產業的一份子,勢必會遇到、碰到、用到,或是必須協同、參與、領導相關的產品專案。與其相見恨晚,不如加入學習,掌握先機!
◎ 歡迎企業/學校單位索取輔導考照資訊

鑑測資訊
 
 

※ 如果您已取得 iPAS「巨量資料分析師(初級/中級)」或「機器學習工程師(初級/中級)」證照,只需報考 L21 人工智慧技術應用與規劃,並通過該科目,即可獲得 「AI 應用規劃師(中級)」 證照。

🎯初級
• 鑑測科目
專業級等科目 ( 共2科 )能力指標鑑測資訊
初級 1.人工智慧基礎概論 瞭解該專業的基本知識與技能
具擔任該專業入門水準
詳見iPAS官網
2.生成式AI應用與規劃
專業等級 考試日期 科目時間 題型 鑑定方式

考區

初級

第一次:114/03/22(六)

第二次: 114/05/03(六)

第三次:114/08/16(六)

第四次:114/11/01(六)

13:30~14:45

(75分鐘)

單選題 電腦測驗

第一、三次:台北、桃園、新竹、台中、雲林、台南、高雄
第二、四次:
台北、桃園、新竹、台中、雲林、台南、高雄、澎湖、金門

15:15~16:30

(75分鐘)

🎯中級
• 鑑測科目
專業級等

科目

( 共3科,科目2或科目3擇一報考 )

能力指標鑑測資訊
中級 1.人工智慧技術應用與規劃 具備該專業知識與技能
可應用於實際作業
詳見iPAS官網

2.大數據處理分析與應用

3.機器學習技術與應用 (2、3擇一)

  ※備註: 中級科目2及科目3可分別報考,取得雙鑑定證書。
專業等級 考試日期 科目時間 題型 鑑定方式

考區

中級

第一次:114/05/17(六)

第二次:114/11/08(六)

13:30~15:00

(90分鐘)

單選題 電腦測驗 第一次考試:台北、台中、高雄、澎湖
 第二次考試:台北、台中、高雄、金門 

15:30~17:00

(90分鐘)

單選題

電腦測驗


(資料來源 : iPAS官網)

• 建議報考對象 (符合任一項):

初級:

1. 具基本AI概念和知識的學習者
2. 熟悉AI工具導入日常工作者

中級:

1. 具資通訊相關技術能力者
2. 具備AI相關技術開發經驗,或曾參與企業AI應用專案的導入與實施

為什麼選擇艾鍗學院
  • 艾鍗學院擁有豐富的培訓經驗,是全國首家為iPAS AI能力鑑定量身規劃課程的培訓中心,培訓對象包含想要進入相關產業工作的新人,或有2年以上相關工作經驗者,也適合以iPAS證照作為畢業資格之一或是為求職加分的大學生。
  • 本班講師將完整解析iPAS認證題目,帶給學員最有幫助的iPAS應試方針。
鑑定定位 【AI 應用規劃師】
 
iPAS AIAP TA
▲根據iPAS AI應用規劃師能力鑑定簡章重製
 
學習目標
▲本課程旨在培養學員成為合格的AI應用規劃師,具備人工智慧應用的基礎知識、規劃與實施能力,以及解決實際問題的技能,為參加 AI 應用規劃師能力鑑定做好準備。

📌初級目標

  • 掌握人工智慧基本概念與應用場景。
  • 熟悉資料處理及機器學習基礎知識。
  • 了解生成式AI的應用規劃。

📌中級目標

  • 熟悉AI技術架構,具備規劃與部署能力。
  • 掌握生成式AI模型訓練與優化技能。
  • 深入了解大數據處理與機器學習應用。
學習菜單

● 章章精彩、片刻不冷場幫你打穩考取AI應用規劃師能力鑑定所需知識

  • 課程所附教材:
    • 完整範例程式碼 (使用Google Colab)
    • 實體紙本講義
    • 線上助教系統
 
初級
 
 
一、人工智慧基礎概論
1. 人工智慧概念
  • ●  AI的定義與分類
  • ●  AI在倫理、隱私與安全方面的挑戰
2. 資料處理基礎
  • ●  資料收集與來源分析
  • ●  資料清洗與視覺化技術
  •       ▼視覺化工具: Matplotlib
  •       iPAS ML linear regression
  • ●  資料隱私與安全實踐
3. 機器學習基礎
  • ●  機器學習原理及其作用
  • ●  常見機器學習模型介紹
  •       ▼迴歸模型 - 線性迴歸
  •       iPAS ML linear regression
4. 生成式AI與鑑別式AI
  • ●  鑑別式AI與生成式AI的基本原理
  • ●  生成式AI應用案例剖析
 
二、生成式AI應用與規劃
1. No Code / Low Code工具基礎
  • ●  No Code / Low Code的基本概念
  • ●  工具應用優勢與限制
2. 生成式AI工具應用
  • ●  常見工具介紹(如ChatGPT、Gemini、Copilot)
  • ●  工具操作實務與選擇技巧
3. 生成式AI導入規劃
  • ●  導入需求分析與資源分配
  • ●  試用測試與風險管理
  • ●  初步規劃與實施案例分享
 
三、【初級】iPAS AI應用規劃師試題詳解
AI應用規劃師考試樣題詳解
AI應用規劃師模擬考題詳解
 
中級
 
 
一、人工智慧技術應用與規劃
1. AI技術框架
  • ●  自然語言處理與生成式AI技術應用
  • ●  電腦視覺與多模態應用實例
2. AI導入規劃
  • ●  業務需求分析與技術適配性評估
  • ●  AI應用架構設計與資源分配
  • ●  導入風險管理與效益評估
3. 系統整合與部署
  • ●  數據準備與模型選擇
  • ●  AI系統整合與測試部署
二、大數據處理分析與機器學習技術應用
1. 基礎數學
  • ●  機率與統計基礎
  • ●  敘述性統計與資料摘要
  • ●  線性代數與機率統計應用
2. 大數據技術與工具
  • ●  數據收集、儲存與清理
  • ●  數據可視化工具應用
3. 大數據在AI中的應用
  • ●  資料驅動AI模型優化
  • ●  隱私保護與合規實踐
4. 機器學習建模與優化
  • ●  機器學習特徵工程
  • ●  模型選擇、訓練與參數調校
  • ●  模型效能測試與優化技巧
5. 機器學習與深度學習應用
  • ●  深度學習框架與實例分析
  • ●  AI應用場景解決方案
 
 
三、【中級】iPAS AI應用規劃師試題詳解
AI應用規劃師考試樣題詳解
AI應用規劃師模擬考題詳解
 
 
 

※ 本課程以AI觀念與實作為導向,精確考試範圍以iPAS官方網站為準

背景知識
  1. 部份內容所提數學僅須高中數學之一般程度。
  2. 有基本的 Python 程式概念。
職涯方向
數據分析工程師  |  AI工程師  |  資料科學家  |  機器學習工程師  |  演算法開發工程師  |  AI應用規劃師

 

培訓佳績
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
 

專業培訓iPAS考照單位,已有超過200多位的學員通過
<iPAS物聯網應用工程師-初級能力鑑定> ▶了解課程

certificate ml

 

 

 

課程諮詢
更多延伸學習

 

 
全新數位學習平台

 

 

 

ipas banner ML

10th el sale banner

 

 

◆ 歡迎企業/學校單位索取iPAS輔導考照資訊

3大學習理由
理由1 : 優先獲得企業面試/聘用及加薪之機會
iPAS產業人才能力鑑定是經濟部為充裕產業升級轉型所需人才, 整合產官學研能量所建立的鑑定體制。目前有801家以上企業簽署認同,如鴻海、台積電、聯發科、宏達電、華碩電腦等,承諾優先聘用獲證者,代表你的專業能力由政府作保證,更容易獲得企業優先面試/聘用及加薪之機會。

理由2 : 無形專業,有形呈現!獲證讓你的實力和衝勁被看見,獲得晉升機會
身為職場工作者,一樣都要學習提升自己、累積實作經驗,若能留下證照作為成果與憑證,何樂而不為?! iPAS認證制度依照專業程度分成 : 初級、中級、高級。各級都有明確律定該具備的能力,逐步闖關通過,個人成長的企圖心、積極度看的見,讓你在人海中脫穎而出!

理由3 : AI即未來!各大產業離不開機器學習
人工智慧如火如荼發展,整個產業勢必向智慧化靠攏, AI人才需求也倍數增長!或許你短期沒有轉職就業的需求,但身為偌大產業的一份子,勢必會遇到、碰到、用到,或是必須協同、參與、領導相關的產品專案。與其相見恨晚,不如加入學習,掌握先機!
◎ 歡迎企業/學校單位索取輔導考照資訊

鑑測資訊
 

※ 如果您已取得 iPAS「巨量資料分析師(初級/中級)」或「機器學習工程師(初級/中級)」證照,只需報考 L21 人工智慧技術應用與規劃,並通過該科目,即可獲得 「AI 應用規劃師(中級)」 證照。

 

機器學習工程師能力鑑定初級
• 鑑測科目
專業級等科目(共2科)能力指標鑑測資訊
初級 1.機器學習概論 瞭解機器學習相關之數學基礎、演算法原理及產業應用,並掌握資料處理及模型驗證之專業知識與技能,具備進入該專業人員之入門水準。 詳見
iPAS官網
2.機器學習資料解析與建模
專業等級 考試日期 時間 題型 鑑定方式

考區

初級

第一次: 113/05/25(六)

第二次: 113/11/16(六)

09:00~10:15

(75分鐘)

單選題各50題 電腦測驗 台北、台中、高雄

10:45~12:00

(75分鐘)


(資料來源 : iPAS官網)

• 建議報考對象 (符合任一項):

1. 大三以上學歷
2. 專科畢業且具2年相關工作經驗

為什麼選擇艾鍗學院
  • 艾鍗學院擁有豐富的培訓經驗,是全國首家為iPAS機器學習工程師能力鑑定量身規劃課程的培訓中心,培訓對象包含想要進入相關產業工作的新人,或有2年以上相關工作經驗者,也適合以本證照作為畢業資格之一或是為求職加分的大學生。
  • 本班講師將完整解析iPAS認證題目,帶給學員最有幫助的iPAS應試方針。
學習目標
  • 帶你了解機器學習產業發展趨勢及應用方向
  • 養成資料特徵與資料預處理能力,並能運用探索式資料分析(EDA),洞悉數據關聯性。
  • 教你機器學習和深度學習的專業術語與觀念,並能了解其背後的意義及數學意義。
  • 漸進式熟悉機器學習演算法與模型建立流程,後續模型訓練成效之驗證。
  • 從提供之iPAS樣題詳細解析中,了解更多觀念與實作技巧
學習菜單

章章精彩、片刻不冷場幫你打穩前進機器學習工程師的基本功。

  • 課程所附教材:
    • 完整範例程式碼 (使用Google Colab)
    • 實體紙本講義
    • 線上助教系統
 
初級
 
 
Part 1. 機器學習觀念打底
Section A:資料處理分析與特徵選擇
  • 1. 人工智慧與機器學習簡介
  • 2. 機器學習如何進行學習
  • 3. 資料與特徵
  • 4. 機器學習建立模型的流程
  • 5. 探索式資料分析(EDA)與資料預處理方法
  • 6. 如何挑選好的特徵? Feature Selection v.s. Feature Extraction
Section B:監督式機器學習演算法
  • 1. 迴歸模型:
    • 線性迴歸▼
    iPAS ML linear regression
    • Ridge v.s. Lasso 線性迴歸
    • 評估迴歸模型的性能指標
  • 2. 分類模型:
    • Logistic Regression 演算法
    • KNN 演算法
    • 決策樹演算法
    • SVM 演算法與數學原理
    • 評估分類模型的性能指標
  • 3. Ensemble Method
    • Random Forest隨機森林
    • Adaboost
Section C:非監督式機器學習演算法
  • 1. 降維:
    • PCA 演算法▼
    iPAS ML The Algorithm of PCA c
  • 2. Clustering:
    • K-means 演算法
    • Hierarchical Method 演算法
  • 3. 強化學習
    • 強化學習的架構
    • Q-learning 演算法
Section D:深度學習
  • 1. 深度學習技術簡介
  • 2. 類神經網路運算模型原理
  • 3. 深度學習建立模型的流程
  • 4. 深度學習框架TensorFlow/Keras 程式架構說明
  • 5. 其他網路結構簡介:RNN/LSTM、CNN
 
Part 2. Python實作機器學習

 

  • 1. 資料處理工具: Numpy、Pandas▼
    iPAS ML Pandas
  • 2. 視覺化工具: Matplotlib▼
    iPAS ML Matplotlib c
  • 3. 機器學習工具:Scikit-learn
  • 4. 迴歸模型實作
    • y=f(x) 的函式預測
    • 價格預測模型
  • 5. 鳶尾花花卉分類與探討▼
    iPAS ML iris
    • 使用Logistic Regression
    • 使用KNN
    • 使用Decision Tree▼
    iPAS ML Decision Tree
    • 使用SVM▼
    iPAS ML SVM
    • 使用Random Forest
    • 使用Adaboost
  • 6.PCA 降維使用Scikit-learn▼
    iPAS ML PCA降維使用Scikit learn
  • 7.K-means分群使用Scikit-learn▼
    K means分群使用Scikit
  • 8.Hierarchical方法分群使用Scikit-learn▼
    iPAS ML Hierarchical Scikit learn
  • 9.強化學習-找寶藏地圖實作解析▼
    iPAS ML Reinforcement learning
     
    iPAS ML Q learning value function
  • Part 3. iPAS機器學習工程師範例試題詳解
 
 
 

※ 本課程以機器學習觀念與實作為導向,精確考試範圍以iPAS官方網站為準

背景知識
  1. 具有高中數學的程度即可
  2. 有些許Python程式基礎佳
職涯方向
數據分析工程師  |  AI工程師  |  資料科學家  |  機器學習工程師  |  演算法開發工程師

 

培訓佳績
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
  • 感謝台北大學、中央大學、國立台北護理健康大學、輔仁大學、海洋大學、明志科技大學、 真理大學、亞東技術學院等學校肯定
 

專業培訓iPAS考照單位,已有超過200多位的學員通過
<iPAS巨量資料分析師-初級能力鑑定> ▶了解課程
<iPAS物聯網應用工程師-初級能力鑑定> ▶了解課程

certificate ml

 

講師參與線上iPAS機器學習工程師能力鑑定師資研習活動

ipas ml teach

 

 

課程諮詢
更多延伸學習

 

 
全新數位學習平台