fbpx

P 728x90 113

 

ipas banner ML

10th el sale banner

 

 

◆ 歡迎企業/學校單位索取iPAS輔導考照資訊

3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， 整合產官學研能量所建立的鑑定體制。目前有801家以上企業簽署認同，如鴻海、台積電、聯發科、宏達電、華碩電腦等，承諾優先聘用獲證者，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 : 無形專業，有形呈現！獲證讓你的實力和衝勁被看見，獲得晉升機會
身為職場工作者，一樣都要學習提升自己、累積實作經驗，若能留下證照作為成果與憑證，何樂而不為？！ 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，逐步闖關通過，個人成長的企圖心、積極度看的見，讓你在人海中脫穎而出！

理由3 : AI即未來！各大產業離不開機器學習
人工智慧如火如荼發展，整個產業勢必向智慧化靠攏， AI人才需求也倍數增長！或許你短期沒有轉職就業的需求，但身為偌大產業的一份子，勢必會遇到、碰到、用到，或是必須協同、參與、領導相關的產品專案。與其相見恨晚，不如加入學習，掌握先機！
◎ 歡迎企業/學校單位索取輔導考照資訊

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》。

 

機器學習工程師能力鑑定初級
• 鑑測科目
專業級等科目(共2科)能力指標鑑測資訊
初級 1.機器學習概論 瞭解機器學習相關之數學基礎、演算法原理及產業應用，並掌握資料處理及模型驗證之專業知識與技能，具備進入該專業人員之入門水準。 詳見
iPAS官網
2.機器學習資料解析與建模
專業等級 考試日期 時間 題型 鑑定方式

考區
初級

第一次： 113/05/25(六)

第二次： 113/11/16(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)


(資料來源 : iPAS官網)

• 建議報考對象 (符合任一項):

1. 大三以上學歷
2. 專科畢業且具2年相關工作經驗

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機器學習工程師能力鑑定量身規劃課程的培訓中心，培訓對象包含想要進入相關產業工作的新人，或有2年以上相關工作經驗者，也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。
  • 本班講師將完整解析iPAS認證題目，帶給學員最有幫助的iPAS應試方針。
學習目標
  • 帶你了解機器學習產業發展趨勢及應用方向
  • 養成資料特徵與資料預處理能力，並能運用探索式資料分析(EDA)，洞悉數據關聯性。
  • 教你機器學習和深度學習的專業術語與觀念，並能了解其背後的意義及數學意義。
  • 漸進式熟悉機器學習演算法與模型建立流程，後續模型訓練成效之驗證。
  • 從提供之iPAS樣題詳細解析中，了解更多觀念與實作技巧
學習菜單

章章精彩、片刻不冷場幫你打穩前進機器學習工程師的基本功。

  • 課程所附教材：
    • 完整範例程式碼 (使用Google Colab)
    • 實體紙本講義
    • 線上助教系統
 
初級
 
 
Part 1. 機器學習觀念打底
Section A：資料處理分析與特徵選擇
  • 1. 人工智慧與機器學習簡介
  • 2. 機器學習如何進行學習
  • 3. 資料與特徵
  • 4. 機器學習建立模型的流程
  • 5. 探索式資料分析(EDA)與資料預處理方法
  • 6. 如何挑選好的特徵? Feature Selection v.s. Feature Extraction
Section B：監督式機器學習演算法
  • 1. 迴歸模型:
    • 線性迴歸▼
    iPAS ML linear regression
    • Ridge v.s. Lasso 線性迴歸
    • 評估迴歸模型的性能指標
  • 2. 分類模型:
    • Logistic Regression 演算法
    • KNN 演算法
    • 決策樹演算法
    • SVM 演算法與數學原理
    • 評估分類模型的性能指標
  • 3. Ensemble Method
    • Random Forest隨機森林
    • Adaboost
Section C：非監督式機器學習演算法
  • 1. 降維:
    • PCA 演算法▼
    iPAS ML The Algorithm of PCA c
  • 2. Clustering:
    • K-means 演算法
    • Hierarchical Method 演算法
  • 3. 強化學習
    • 強化學習的架構
    • Q-learning 演算法
Section D：深度學習
  • 1. 深度學習技術簡介
  • 2. 類神經網路運算模型原理
  • 3. 深度學習建立模型的流程
  • 4. 深度學習框架TensorFlow/Keras 程式架構說明
  • 5. 其他網路結構簡介：RNN/LSTM、CNN
 
Part 2. Python實作機器學習

 

  • 1. 資料處理工具: Numpy、Pandas▼
    iPAS ML Pandas
  • 2. 視覺化工具: Matplotlib▼
    iPAS ML Matplotlib c
  • 3. 機器學習工具:Scikit-learn
  • 4. 迴歸模型實作
    • y=f(x) 的函式預測
    • 價格預測模型
  • 5. 鳶尾花花卉分類與探討▼
    iPAS ML iris
    • 使用Logistic Regression
    • 使用KNN
    • 使用Decision Tree▼
    iPAS ML Decision Tree
    • 使用SVM▼
    iPAS ML SVM
    • 使用Random Forest
    • 使用Adaboost
  • 6.PCA 降維使用Scikit-learn▼
    iPAS ML PCA降維使用Scikit learn
  • 7.K-means分群使用Scikit-learn▼
    K means分群使用Scikit
  • 8.Hierarchical方法分群使用Scikit-learn▼
    iPAS ML Hierarchical Scikit learn
  • 9.強化學習-找寶藏地圖實作解析▼
    iPAS ML Reinforcement learning
     
    iPAS ML Q learning value function
  • Part 3. iPAS機器學習工程師範例試題詳解
 
 
 

※ 本課程以機器學習觀念與實作為導向，精確考試範圍以iPAS官方網站為準

背景知識
  1. 具有高中數學的程度即可
  2. 有些許Python程式基礎佳
職涯方向
數據分析工程師  |  AI工程師  |  資料科學家  |  機器學習工程師  |  演算法開發工程師

 

培訓佳績
  • 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
 

專業培訓iPAS考照單位，已有超過200多位的學員通過
<iPAS巨量資料分析師-初級能力鑑定> ▶了解課程
<iPAS物聯網應用工程師-初級能力鑑定> ▶了解課程

certificate ml

 

講師參與線上iPAS機器學習工程師能力鑑定師資研習活動

ipas ml teach

 

 

課程諮詢
更多延伸學習

 

 
全新數位學習平台