訓練資訊
📌 訓練單位： 社團法人新竹市職訓教育協會
📌 訓練名稱：Python AI深度學習應用設計訓練班第01期
📌 參訓身份： 本班開放自費名額，限額4名，報名前請先來電確認名額
📌 訓練期間：2025/12/7~2026/2/1
📌 訓練時段：每週日9:00~12:00 & 13:00~16:00
📌 訓練時數：45小時
📌 訓練費用： 本平台提供刷卡服務，費用已包含平台費。
💡 補助名額取得方式
如符合 在職身分，請來電諮詢補助名額的申請辦法。
📍 授課地點與方式
✅ 全額自費生 可選擇 遠距或現場上課
🏢 實體訓練地點： 新竹市民族路 31 號 11 樓（近新竹火車站，步行 3 分鐘）
💻 遠距授課方式： Google Meet
📞 聯繫我們
📱 LINE 好友代碼搜尋： @qjj9747o
📞 諮詢專線： 03-5260089 分機 11~14
🕘 服務時間：
週一至週五 08:30-22:00
週六至週日 08:30-16:30
| 知識： | ||||||||||||||
| 本課程將使用 Tensorflow 做為科學計算與類神經網路相關應用開發之後端運算引擎，並搭配相關領域相當常見的 NumPy、Pandas 兩套數理計算函式庫做系統整合教學，在學習相關領域知識的過程中，並以目前常見的深度學習應用如 ChatGPT 等服務說明其產業應用，對於學習者而言，熟悉此類開發工具庫將相對適合與實務應用接軌。 | ||||||||||||||
| 技能： | ||||||||||||||
| 1.資料量化分析與機器學習相關的重要數理背景知識、演算法、以及解決問題能力 | ||||||||||||||
| 2.Tensorflow 深度學習函式庫的使用，以開發應用程式，並瞭解其背後資訊科技背景知識 | ||||||||||||||
| 3.類神經網路應用於機器學習之相關的重要數理背景知識與演算法 | ||||||||||||||
| 4.深度學習之產業應用 | ||||||||||||||
| 學習成效： | ||||||||||||||
| 針對特定決策問題與應用場景，使用 Python 並具備獨立開發並維護 Tensorflow 機器學習應用程式的專業能力。 |
課表
| 日期 | 授課時間 | 課程進度/內容 | |||||
| 2025/12/7 | 星期日 | 09:00~12:00 | Python 程式語言概覽：課程環境建置與 Python 重點語法概覽 | ||||
| 2025/12/7 | 星期日 | 13:00~16:00 | 深度學習函式庫：類神經網路概論與 TensorFlow 運算系統基礎使用與操控 | ||||
| 2025/12/14 | 星期日 | 09:00~12:00 | 多維度資料結構：Tensorflow 之多維度資料結構處理與資料轉換 | ||||
| 2025/12/14 | 星期日 | 13:00~16:00 | 資料轉換與整合：使用表格性資料結構轉換資料來源與資料尺度 | ||||
| 2025/12/21 | 星期日 | 09:00~12:00 | 資料集合的使用與操作 | ||||
| 2025/12/21 | 星期日 | 13:00~16:00 | 資料預處理：深度學習資料輸入所需要的預處理實務操作，包括缺失值處理與資料正規化 | ||||
| 2025/12/28 | 星期日 | 09:00~12:00 | Tensorflow 數理運算：數理運算函式庫的運算與操作 | ||||
| 2025/12/28 | 星期日 | 13:00~16:00 | 梯度下降法：使用數理運算函式庫搭建類神經網路參數估計最佳化工具 | ||||
| 2026/1/11 | 星期日 | 09:00~12:00 | 低階函式庫實作專題：使用數理運算函式庫與梯度下降工具實作迴歸分析 | ||||
| 2026/1/11 | 星期日 | 13:00~16:00 | 類神經網路專題：使用 Keras 類神經網路函式庫搭建圖像辨識分類器，並調校類神經網路效能 | ||||
| 2026/1/18 | 星期日 | 09:00~12:00 | 類神經網路模型管理：類神經網路模型的解讀、管理再利用、以及系統整合 | ||||
| 2026/1/18 | 星期日 | 13:00~16:00 | 卷積類神經網路專題：以卷積類神經網路改善圖像辨識分類器效能 | ||||
| 2026/1/25 | 星期日 | 09:00~12:00 | Tensorboard：類神經網路架構視覺化 | ||||
| 2026/1/25 | 星期日 | 13:00~16:00 | LSTM 與時序性分析專題：使用 LSTM 遞迴類神經網路進行金融市場預測 | ||||
| 2026/2/1 | 星期日 | 09:00~12:00 | 深度學習應用系統整合專題：第三方深度學習應用系統整合實作：以 chatbot 服務為例 | ||||
專長能力標籤
| Python：針對已定義之問題與應用，以 Python 程式語言搭配資料處理與機器學習函式庫進行開發 | ||||||||||||
| 深度學習：針對各式結構化輸入來源，依據不同目標決策問題，對資料進行預處理並建構適當的類神經網路架構進行量化分析、架構調校、與推論 | ||||||||||||
| 資料處理：針對不同特性的原始資料輸入，能以適當的軟體框架加以數位化處理 | ||||||||||||
| 資料分析：以異質性資料輸入為基礎，針對目標決策問題使用數理方法進行分析與推論 |
