| 課程緣起 | 學程特色 | 課程目標 | 課程大綱 | 課程Q&A | 課程諮詢 |
艾鍗獨家，用物聯網實務，
讓您快速學會Web整合、大數據分析與機器學習技術！
９／２４開課，名額倒數中，報名請早以免向隅!!
物聯網真正的價值來自於資料及服務！因此具備web整合能力，有助於整合來自於四面八方的感測器數據，提升整體專案上的開發效率；具備大數據分析與機器學習的能力，有助於掌握數據背後意義，產生洞見來掌握產品或服務的優化關鍵，甚至進一步發現商機。不論您是專案經理、工程師或是其他角色，這堂課將是您，最好，也是唯一，培養IoT三大關鍵能力的捷徑。越早學會，您能創造的職場身價也將越高。
 |
Steve Jobs： 你想下半輩子繼續...，還是抓住一個改變世界的機會？ |
客戶數據雜亂分散、客戶關係與供應鏈管理曠日廢時、即時分析方面進展緩慢、只能分析歷史數據而無趨勢預測能力等現象，常是物聯網產業中所面臨的問題。
因此課程將以IoT「雲」為主軸，教您「Web整合開發」、「大數據分析」與「機器學習」3大物聯網關鍵技術。運用大數據分析、機器學習與物聯網Web整合技術，讓您的IoT專案執行更有效率，不再受防火牆所擾，能輕鬆傳輸資料，並將蒐集的資料進行分析進而產生洞見，再透過機器學習的方式，建立預測模型，得到解決上述問題之Solution，了解物聯網完整解決方案，優化產品及服務，提升你的競爭優勢與市場價值。
而什麼是雲呢？「雲」是設備或連網端點收集來的數據（Machine Data）的儲存空間，系統必須同時具備將時間序列的數據轉換為可被行動應用存取的數據型態，藉此連接 Web APP並透過數據分析，來提供企業掌握可獲利之服務或商業模式。
做硬體、搞技術，再利用大數據、機器學習來創造服務價值。具備物聯網3項關鍵能力的您，自然身價不凡。
第一階段
您將學會用Raspberry Pi連結ARM mbed Cloud來實現一個物聯網解決方案。另外，還會學到Node.js實務開發，高效完成前後端的Web Application開發。
第二階段
您將能透過Python和工業生產與感測器數據集，學會大數據的關鍵技術與方法，逐步建立完整大數據分析流程與優化方法，並自然而然地學會統計學與機器學習的關鍵應用。透過各種預測模型，蘊育精準洞見。另外，還會學到亞馬遜網路服務(Amazon Web Services,AWS)與Apache Spark進階應用，讓實力大大領先其他競爭者。
第三階段
此時，您對於物聯網Web開發與大數據分析具備更紮實的能力，本階段您將學會如何用Node.js等技術來整合物聯網Web前後端，優化資料間的傳輸和使用者體驗，進一步整合前兩階段的能力，來實現物聯網「智慧服務」的目標。
具備整合開發與數據分析能力的您，在專案過程中更能有效與每個職位溝通，執行效率將會大大提升。同時也幫助您更快掌握市場反饋資訊，為優化產品與服務提供可靠依據，保持競爭優勢，邁入改變世界的行列。
所有講師均超過12年以上實務開發經驗，將十多年累積的實務經驗整理成教材，深入淺出講解原理幫助您快速學習獲取Know-How。
以開發者的角度直效學習，快速掌握IoT中「Web整合開發」與「大數據(Big Data)分析」兩大關鍵技術。
深入「Web整合開發」的細節，並藉由產業實務數據學會數據分析流程與預測技術，幫助您掌握市場脈動，有效優化產品與服務。
這課程包括 Node.js 和 Python 等程式碼樣板，你可以下載並在自己的專案中使用，快速縮短開發時間，提升整體效益。
有實際硬體，學「Web整合開發」才真正有感！為傳達正確的「Web整合開發」學習觀念與重點，更好地幫助學員「做中學，學中做」，艾鍗專為Raspberry Pi3設計最新I/O子板，擴充原Pi3板的功能，並對其中所有軟硬體控制原理進行透徹解說，使您能透過主題式Lab，實踐「Web整合開發」核心技術與架構。
內建ADC晶片，可讓Raspberry Pi3連接類比感測器。 具硬體PWM訊號腳及驅動電路，使Raspberry Pi3可以直接連接DC馬達與伺服馬達。 內建PL2303晶片，可直接連接PC的USB當作Debug Console。 內建IR紅外線發送器及接收器，讓Raspberry Pi3當作多媒體的應用平台或IR遙控器。 可連接OLED顯示狀態資訊。 可連接光敏電阻進行光度感測。 可連接2.4GHz無線網路模組進行無線通訊。 內建G-Sensor可感測Raspberry Pi3在X, Y, Z軸方向的移動狀態。懂IoT開發，但缺少數據分析能力，如何說服團隊支持自己的想法呢？如何靠市場反饋來debug呢？
懂數據分析，但缺少IoT開發知識，發掘出的insight能用嗎？分析出的結果對產品優化與推廣有幫助嗎？如何用工程師的語言和工程師溝通呢？
在Web整合開發實務中，您將學會用Raspberry Pi3來抓取環境中的類比訊號，並將數據繞過防火牆，傳到雲端做進一步應用。另外您也會在ARM mbed Cloud平台上進行開發，從中深刻了解整個物聯網架構。透過瀏覽器，您將能實現多項物聯網實務應用。
當您了解裝置蒐集數據的原理後，接下來，您將在大數據與機器學習中，用Python與相關工具學習如何正確且有效率地處理資料，發掘數據背後的洞見，並透過相關的模型建置來進行預測，提升整體專案的效益。
最後，透過數據的反饋，以Node.js等相關技術來整合Web前後端，進行UX(使用者體驗)優化，讓產品與服務價值極大化，達到智慧服務的目標。 結訓後，懂技術的您，能藉著數據分析能力，優化自身工作，並且在專案溝通上，讓自己的論點更具信服力，進而為公司創造更多價值，擁有不凡身價！
2.了解物聯網中M2M通訊協定並如何實現-MQTT、CoAP。
3.學會擷取感測器訊號與輸出入控制。
4.能開發一個Web-Based IoT平台：掌握Web前端與後端的通訊能力(AJAX,WebSocket)。
5.你能快速學會Node.js的開發方法。
6.了解 ARM mbed Cloud 平台-mbed Client API與mbed device connector API
7.善用更多其他的雲端服務BaaS(Backend as a Service)，如Freeboard、ThingSpeek等。
2.熟悉Python程式語言中，針對大數據資料處理與管理相關模組(如 Panda, SciPy等)和機器學習的相關模組(如scikit-learn等)。
3.了解整個大數據分析流程的Python程式撰寫並能閱讀Python模組的說明文件。
4.學會資料梳理(Data Wrangling)、資料清理(Data Cleaning)與資料重整(Sampling)以獲得合適的資料集(Data Set)。
5.學會有效的資料管理(Data Management)策略與方法以快速地、可靠地存取巨量的資料(Big Data)。
6.學會探索性資料分析(Exploratory Data Analysis, EDA)以產生相關的假設(Hhypotheses)與資料直覺(Data Intuition)。
7.學會基於統計方法的預測(Prediction)，例如：迴歸分析(Regression)與分類(Classification)。
2.讓您學會後端資料庫MongoDB應用並整合物聯網Web。
3.讓您具備行動裝置嵌入應用與物聯網Web之能力。
2.想運用雲整合與數據分析兩大技術提升專案開發效益之開發者。
Joseph
學歷：台灣大學電機工程系博士研究
經歷：上市網通科技公司 / 資深軟體工程師
專長：嵌入式Linux系統 / ARM Boot Loader / 資料結構及演算法 / PCB LayoutMCU 韌體設計 / Linux 驅動程式 / Linux系統程式 / 網路通訊協定
Elvis
學歷：交通大學交通運輸與資訊管理研究所碩士/美國聖路易大學生物資訊博士/美國佛羅里達大學資訊博士後研究/美國亞利桑納大學自然語言處理博士後研究
經歷：資深海洋學門資料庫IT研究員/ 資深資料分析師
專長：生物資訊 / 自然語言處理 / 統計推論 / 科學計算 / 數據科學 / 資料探勘 / 數值最佳化 / 資料庫 巨量資料處理 / 機器學習
能把一門技術深入淺出地講解清楚是講師十年功力的深耕
Part 1 : IoT Web整合應用實作
1) 什麼是物聯網? 我該如何實現? 我該或我可以專注什麼?
2) 物聯網技術架構簡介
3) 物聯網感測層技術:
▪ Raspberry Pi 開發快速上手
▪ 基礎I/O控制: GPIO、Relay 控制110V家電控制
▪ 感測器介面技術 - 數位(I2C, SPI)、類比 (ADC)
▪ 數位感測器讀取-溫溼度感測器(BME280)
▪ 數位感測器讀取-G-Sensor(LIS3DH)
▪ OLED 輸出
▪ 類比式感測器讀取-光感測器
4)物聯網網路層技術
▪ M2M通訊協定說明
▪ CoAP協定解析與實驗
▪ MQTT協定解析與實驗
5) 物聯網應用層技術: WebAPP 實作
▪ Web前端技術: HTML/CSS/JavaScript/JQuery (瀏覽器前端 UI控制)
▪ Web後端技術: Node.js (伺服端端資料處理)
▪ 瀏覽器與Web Server間的通訊實現: AJAX, WebSocket
▪ Node.js MQTT Client
▪ MongoDB (NoSQL)進行感測資料儲存
6) 實現一個基於 ARM mbed cloud 的 Web IoT 平台
▪ ARM mbed Cloud 平台架構簡介
▪ build mbed Client to Linux
▪ mbed Client API
▪ Raspberry Pi 3 連線ARM mbed cloud using CoAP
▪ ARM mbed Device Connector Web API 7) IoT 架構解決方案Demo
▪ 以MQTT架構整合感測端與Web應用端
▪ 以ARM mbed Cloud 整合感測端與Web應用端
Part 2 : Python大數據與機器學習應用
1)
▪ 資料科學概述與相關例子
實作課程(一)：Python程式語言介紹、Pandas模組介紹與Github介紹
▪ 網路資料採集(Web Scraping)、正規表示式(Regular Expressions)、資料重塑(Data Reshaping)與資料清理(Data Cleanup)。
▪ 探索性資料分析(Exploratory Data Analysis, EDA)
實作課程(二)：資料採集(Scraping)資料視覺化介紹
▪ 再探Pandas模組，結構式查詢語言(SQL)，資料文法(Grammar of Data)：資料整理套件dplyr介紹
▪ 統計模式(Statistical Models)
▪ 實作課程(三)：機率(Probability)，分佈(Distributions)與頻率統計(Frequentist Statistics)
2)
▪ 故事敘事方法(Story Telling)與有效的溝通技巧(Effective Communication)
▪ 偏誤值(Bias)與迴歸分析(Regression) 實作課程(四)：期末專案討論、迴歸(Regression)與羅吉斯迴歸(Logistic Regression)
▪ 進階迴歸分析方法介紹與實例解說
▪ 分類(Classification)、最近距離分群法(kNN)、交叉驗證(Cross Validation)、維度降低(Dimensionality Reduction)與主成分分析(PCA) Clustering
▪ 實作課程(五)：期末專案討論、機器學習(Machine Learning)簡介與方法介紹
3)
▪ 機器學習方法：支持向量機(Support Vector Machine, SVM)介紹與預測結果評估
▪ 機器學習方法：決策樹(Decision Trees)與隨機森林(Random Forests)介紹 Decision Trees
▪ 實作課程(六)：期末專案討論與機器學習(Machine Learning)簡介與方法介紹二：模式比較
▪ 機器學習方法：整體性方法(Ensemble Methods)
▪ 機器學習方法的最佳實踐(Best Practices) 實作課程(七)：整體性方法(Ensembles)實作
4)
▪ 機器學習方法的最佳實踐(Best Practices)、推薦系統實作與分析演算法介紹：MapReduce.
▪ 分析演算法介紹：MapReduce Combiners與Apache Spark
▪ 實作課程(八)：虛擬機器Vagrant與VirtualBox介紹，亞馬遜網路服務(Amazon Web Services, AWS)與Apache Spark進階介紹
▪ 統計方法介紹：貝氏理論(Bayes Theorem)與相關貝氏方法(Bayesian Methods)介紹
▪ 統計方法介紹：相關貝氏方法(Bayesian Methods)介紹 實作課程(九)：Bayes理論實作
5)
▪ 文字分析與探勘(Text Mining)、互動式視覺化(Interactive Visualization) 實作課程(十)：期末專案討論、文字分析與分群(Text and Clustering)
▪ 統計方法介紹：分群(Clustering)
▪ 有效的簡報表達技巧(Effective Presentations) 實作課程(十一)：期末專案討論與範例解說(Projects, and an example)
6)
▪ 實驗性設計(Experimental Design)
▪ 深度學習網路(Deep Networks)簡介 Deep Networks
▪ 實作學習與分享，如何進行資料科學研究
▪ 總結、專案分享與回顧
Part 3 : 物聯網Web全端整合
1)安裝、測試與運用Node.js開發環境
▪ Node.js的概觀與原理
▪ 安裝與測試Node.js開發環境
▪ Node.js後端管理的基礎實作
▪ Node.js前端互動的基礎實作
▪ 高效能程式碼編輯器的運用
▪ 基礎程式語法的學習與實作
2)運用Node.js模組
▪ HTTP模組
▪ 檔案系統模組
▪ 網址模組
▪ 控制台模組
▪ 錯誤處理模組
▪ 事件模組
3)前後端(全端)整合應用
▪ 前端程式的觀念與實作
▪ 後端程式的觀念與實作
▪ 全後端程式的整合實作
4)後端資料庫的概觀與應用
▪ NoSQL與SQL的觀念與原理
▪ 安裝與運用MongoDB
▪ NoSQL語法與存取應用
▪ 安裝與運用MySQL
▪ SQL語法與存取應用
▪ 前端存取後端資料庫的綜合實作
5)行動裝置嵌入的概觀與實現
▪ 響應式頁面的觀念與實作
▪ 安裝與運用行動裝置app開發環境
▪ 行動裝置app的前端程式碼嵌入應用
「智慧服務」是物聯網時代中重要的核心精神，只要能掌握「硬體+」思維，利用大數據與機器學習系統創造硬體之外的服務價值，即能在物聯網時代中建立優勢。 「物聯網關心的是，當把物聯起來之後，有什麼新的服務可以出現？更重要的是，如果那些新的服務不重要，那些『物』都不再重要，那麼『物的聯網』就更不重要。」
Google台灣董事總經理簡立峰認為，「大數據」與「機器學習」是未來能創造物聯網時代各種智慧服務的關鍵。若只單純做硬體、搞技術，卻沒有利用大數據、機器學習來創造服務價值，那就是辛苦搭了舞台，只能讓別人來玩。
消費性產品的競爭太激烈，比財大、比氣長，就連大型的電商業者，如美國的亞馬遜、中國的京東，都有機會在智慧家庭分一杯羹；反之，企業端、工業端的B2B服務，則相對有可能做出差異化。舉例而言，一家連鎖餐廳的中央廚房、烤爐器具、收銀機等等，如何透過硬體、軟體、雲端平台的整合，讓中央廚房與消費者可以串連，台灣的工業電腦供應鏈在此可以有很多發揮空間，做出別人學不來的「Total Solution」，「這是服務業的概念，而且是高階服務業，不用怕大者恆大！」。
當你開發出物聯網裝置後，你一定希望透過數據的傳輸來掌握一些現象或是驅動一切功能，而數據是否能穩定傳輸是個關鍵。實務上，數據的傳輸常常會受到防火牆影響，所以學會IoT雲整合技術將能更輕鬆地傳輸資訊而不受防火牆所擾。而蒐集到的數據並須透過分析才能展現數據背後的意義，作為開發者進行產品或服務優化的依據。而學會大數據分析與機器學習的技術，在處理物聯網世界中的海量數據才會更有效率，其預測將會更準確，降低決策風險。
Raspberry Pi 是一片Linux-Based的開源硬體板子，其硬體線路 & SoC DataSheet的揭露相較其他板子算是相當完整，Raspberry Pi 3 具有Wi-Fi和BLE, 所以學習物聯網相關的技術，如 IoT Gateway、Sensor Node設計等，硬體支援度也相當好。透過Raspberry Pi 3 ，你不但能學會硬體驅動相關實務功能，也能了解到數據傳輸實際運作，更能對你所蒐集到數據進行分析，作為優化產品與服務的依據。
◎艾鍗講師關心每一位學員的學習狀況，並於空檔個別指導。真正專業，不怕你問！
