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。
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
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
※自114年起，經濟部規劃「AI應用規劃師」能力鑑定初級/中級。原iPAS「巨量資料分析師」與「機器學習工程師」能力鑑定項目整合至中級「AI應用規劃師」的評鑑科目中，原鑑定考試科目可依規定抵免「AI應用規劃師」中級考試科目，相關抵免辦法與說明，請參考《AI應用規劃師-中級考試科目抵免說明》。
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 |
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
- 1.中級巨量資料分析師能力觀念題
- 2.術科試題 - 文字資料處理
- 透過程式產生重複資料
- JSON 格式之載入與轉換
- 取出描述內容包含字串「Limited」之商品資料
- 字串處理技巧
- 將商品描述(describe)透過結巴斷詞並計算詞頻 排行
- 3.術科試題解析 - 集群與視覺化
- 讀取資料
- 次數分配表
- k-means 集群
- 分組計算
- 資料視覺化
- 4.術科試題解析 - 隨機森林迴歸預測模型
- 讀取資料
- 切分訓練集與測試集
- 模型配適
- 預測
- 評估
- 5.術科試題解析 - 隨機森林分類預測模型
- 讀取資料
- 切分訓練集與測試集
- 模型配適
- 預測
- 評估
※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
- Part1 只要對程式有興趣或資料科學/機器學習有興趣即可
- Part2 須具備基礎Python程式基礎
- Part3 須具備Part1(Python)與Part2的基礎
職涯方向
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>
講座/培訓需求表單
延伸學習
