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。根據媒體報導，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371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。根據媒體報導，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371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
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 |
| 專業級等 | 考試日期 | 時間 | 題型 | 鑑測方式 | 考區 |
|---|---|---|---|---|---|
| 初級 |
第一次： 111/05/28(六) 第二次： 111/11/19(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 |
||||||
(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。
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20多位的學員通過
<iPAS巨量資料分析師-初級能力鑑定>
