台灣金融研訓院(教育訓練)台灣金融研訓院(教育訓練)

Python機器學習應用研習班

舉辦目的

物聯網(Internet of Things, IoT)時代下透過互聯互通的網路,拉近了原本可能分散的資料,統整成物物間與物人間的數位資訊,這些聚集起來的大資料,需要合宜的工具加以分析建模與視覺化,方能創造出更便利的未來生活。整合了統計、資料探勘與機器學習等領域的智慧資料分析技術(intelligent data analysis),正是駕馭各種智能裝置的關鍵之鑰。根據2017年KDnuggets的最新調查顯示,Python是資料解析/資料探勘/資料科學工作中經常被使用的程式語言,使用率位居第一位,足見其重要性。

本課程將以通用的資料分析流程進行語音、文字、影像等資料探勘案例實作,內容涵蓋各式機器學習類型,方法包括頻繁型態探勘、集群、迴歸與分類等,混合運用以達成機器學習預測建模的目標。本課程結合深入淺出的理論觀念介紹,與多元應用案例分享,並以最適合資料科學家的Python整合式開發環境Jupyter Notebook與Spyder進行實機操作,幫助學員輕鬆上手資料探勘/機器學習的工作 。

課程等級

進階課程

舉辦時間

  • 系列一:107年8月19、26日,每週日,09:10-16:00
  • 系列二:107年9月29日、10月6日,每週六,09:10-16:00

課程地點

台北市羅斯福路三段62號(本院院本部)

參加對象

  • 各金融機構〈含金控、銀行、證券、保險、信託、票券、信合社、農漁會、投信、投顧、期貨等〉數位金融、資訊、消費金融、財富管理、投資部等相關部門主管及業務人員;
  • 對金融科技熱門議題有興趣之學員

課程內容

系列一

課程內容 課程大綱 時數
簡介及資料探索準備
  • Python、Spyder、Jupyter Notebook、Rodeo與相關模組的安裝
  • 統計、資料探勘、機器學習與人工智慧的異同
  • 關聯規則分析
  • 維度縮減
  • 集群分析
6
機器學習預測建模
  • 迴歸分析與邏輯斯迴歸
  • 決策樹與隨機森林
  • k近鄰分類
  • 貝式分類
  • 核函數方法
6
※ 本院保留變更課程內容之權利,相關異動以網站公告或開班公文為準。



系列二

課程內容 課程大綱 時數
類神經網路基礎
  • 類神經網路設計 (ex. 單層&多層、神經網路架構&最佳化函數選擇、過度配適與係數縮減...)
  • Python深度學習框架介紹
3
深度學習預測建模
  • 摺積式類神經網路(Convolutional Neural Networks)應用
  • Elman與Jordan類神經網路(Elman, Jordan Neural Networks)應用
  • 受限波茲曼機(Restricted Boltzmann Machines)應用
  • 深度信念網路(Deep Belief Networks)應用
7
屬性萃取
  • 堆疊式自動編碼器(Stacked Autoencoders)應用
2
※ 本院保留變更課程內容之權利,相關異動以網站公告或開班公文為準。

講座介紹

鄒慶士 博士


  • 現職:國立臺北商業大學資訊與決策科學研究所教授兼資料科學應用研究中心主任、中華R軟體學會理事長、臺灣資料科學與商業應用協會理事長
  • 專長:多目標最佳化、計算智慧、ERP/SCM/CRM、資料探勘、賽局理論應用、投資組合分析

課程費用

每系列每人新台幣5,400元整,全系列可享8折優惠為新台幣8,640元整

報名方式

自即日起至開課前二週,可依據下列方式報名,本院將於開班前寄發上課通知函。

備註事項

  • 請自備筆記型電腦(NB)