使用 Python 和 TensorFlow 進行詐欺偵測培訓

這門為期密集且注重實作的課程涵蓋了進階 Python 技術、工程最佳實踐以及常用的設計模式，旨在構建可維護、可測試且具備高效能的 Python 應用程式。課程強調現代化工具、型別註解、併發模型、架構模式，以及可部署的工作流程。

這門由講師主導的實時培訓（線上或線下）針對中階至進階 Python 開發人員，協助他們採用專業實踐和模式，以構建生產級別的 Python 系統。

完成本課程後，參與者將能夠：

• 運用 Python 型別註解、資料類別與型別檢查來提升程式碼可靠性。
• 使用設計模式與架構原則來構建健壯的應用程式結構。
• 正確實現併發與平行處理，使用 asyncio 和 multiprocessing。
• 使用 pytest、基於屬性的測試與 CI 管道構建經過良好測試的程式碼。
• 分析效能、最佳化並加固 Python 應用程式以用於生產環境。
• 使用現代化工具和容器對 Python 專案進行封裝、分發與部署。

課程形式

• 互動式講授與短演示。
• 每日實作實驗室與程式碼練習。
• 整合設計模式、測試與部署的結課專案。

課程客製化選項

• 若需客製化培訓或專注領域（資料、網頁或基礎設施），請聯繫我們安排。

本課程教授實用工程技術，以設計、建構、測試及部署基於 Python 的代理（自主）系統。內容涵蓋代理迴圈、工具整合、記憶體與狀態管理、編排模式、安全控制及生產環境考量。

此講師主導之實作培訓（線上或線下）旨在幫助中階至進階 ML 工程師、AI 開發人員及軟體工程師，利用 Python 建構穩固且可投入生產的自主代理系統。

課程結束後，學員將能夠：

• 設計並實現代理迴圈與決策工作流。
• 整合外部工具與 API，以擴展代理功能。
• 為代理系統實作短期與長期記憶體架構。
• 協調多步驟編排及代理組合性。
• 應用已部署代理之安全、存取控制及可觀測性最佳實踐。

課程形式

• 互動式講座與討論。
• 透過 Python 及主流 SDK 實作代理之手腦並用實驗室練習。
• 以專案為導向之練習，產出可部署的原型。

課程自訂選項

• 如需此課程的客製化培訓，請聯繫我們安排。

深入探討使用 Python 進行資料科學和人工智慧的實用方法，幫助專業人士掌握探索資料、建構機器學習模型以及部署業務情境中的人工智慧驅動應用程式的技能；涵蓋 CRISP-DM 工作流程、統計分析、監督式與非監督式學習、基於 Tensorflow 的深度學習、自然語言處理、基於 Spark 的大數據處理以及資料驅動的故事講述；適合希望取得 Python 資料科學認證並準備就任分析師職位的初學者。

使用Python的廣泛AI和機器學習函式庫生態系統，開發智能系統。

此課程為講師帶領的現場培訓（線上或線下），旨在幫助具備中階Python程式設計能力的學員，設計、實施並部署使用Python構建的AI解決方案。

完成本課程後，學員將能夠：

• 使用Python核心AI函式庫實施AI演算法。
• 處理監督式、非監督式和強化學習模型。
• 將AI解決方案整合至現有應用程式和工作流程中。
• 評估模型效能並優化準確率與效率。

課程形式

• 互動式講授與討論。
• 大量練習與實作。
• 在即時實驗室環境中進行動手實作。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們以安排。

「從零開始應用人工智慧與Python」為程式設計師和數據分析師提供基礎技術，使用Python從頭構建機器學習解決方案。涵蓋監督式學習（分類與回歸）的核心原理、非監督式學習（聚類與異常檢測）、以及進階的神經網路架構。探討如何有效利用scikit-learn、Apache Spark MLlib與Jupyter Notebook進行實際開發，協助專業人員實踐ML模型、評估演算法限制，並完成應用專案以解決真實世界問題。

本課程為講師導引的現場培訓（台灣（線上或線下）），主要對象為希望利用 AWS Cloud9 提升 Python 開發體驗的中階 Python 開發人員。

完成本課程後，學員將能夠：

• 設定並配置用於 Python 開發的 AWS Cloud9。
• 掌握 AWS Cloud9 IDE 的介面與功能。
• 在 AWS Cloud9 中編寫、除錯並部署 Python 應用程式。
• 利用 AWS Cloud9 平台與其他開發人員協作。
• 將 AWS Cloud9 整合至其他 AWS 服務，以進行進階部署。

課程概覽

此實務培訓專為具備資料工程師背景的專業人士設計，旨在建立人工智慧、Python 及大型語言模型方面的實作技能。課程著重於實際應用，涵蓋模型使用、提示工程（prompt engineering）以及建構 AI 驅動解決方案。參與者將透過循序漸進的練習，從核心概念邁向建構可部署的 AI 工作流程。

培訓形式

• 實體課堂培訓

• 講師主導課程，搭配指導實作

• 互動式討論與真實世界案例研究

• 每日實作練習

課程目標

• 理解與現代應用相關的核心 AI 及機器學習概念

• 強化 Python 技能，以進行 AI 開發及資料工作流程操作

• 了解大型語言模型的運作方式及其有效使用技巧

• 設計與優化提示（prompts），以取得可靠輸出

• 使用 API 和框架建構端到端 AI 解決方案

• 將 AI 整合至資料工程管線

此由講師主導的即時培訓 台灣（線上或線下），旨在協助高階專業人士深入理解電腦視覺，並探索使用 Google Colab 開發複雜視覺模型的 TensorFlow 能力。

在課程結束後，參與者將能夠：

• 使用 TensorFlow 建構和訓練卷積神經網路（CNN）。
• 利用 Google Colab 進行可擴展且高效的雲端模型開發。
• 實施用於電腦視覺任務的影像預處理技術。
• 將電腦視覺模型部署至實際應用場景。
• 使用遷移學習提升 CNN 模型的效能。
• 視覺化並解釋影像分類模型的結果。

本課程為由講師主導的現場培訓 台灣（線上或線下），主要針對希望提升使用 Pandas 和 NumPy 進行資料分析與操作技能的中级 Python 開發人員及資料分析師設計。

完成本培訓後，學員將能夠：

• 設定包含 Python、Pandas 和 NumPy 的開發環境。
• 使用 Pandas 和 NumPy 建立資料分析應用程式。
• 執行進階資料整理、排序及篩選操作。
• 進行聚合操作並分析時間序列資料。
• 使用 Matplotlib 和其他視覺化套件將資料視覺化。
• 除錯並優化其資料分析程式碼。

這門在 台灣（線上或線下）舉辦的由講師主導的實時培訓，旨在幫助中級數據科学家和開發人員理解並應用在 Google Colab 環境中的深度學習技術。

完成此培訓後，學員將能夠：

• 為深度學習項目設置和導航 Google Colab。
• 理解神經網絡的基本原理。
• 使用 TensorFlow 實現深度學習模型。
• 訓練和評估深度學習模型。
• 利用 TensorFlow 的高級功能進行深度學習。

這項由導師主導的即時培訓（線上或線下）旨在幫助希望使用 FARM（FastAPI、React 和 MongoDB）技術棧來構建動態、高性能且可擴展的 Web 應用的開發者。

完成本培訓後，學員將能夠：

• 建立整合 FastAPI、React 和 MongoDB 的必要開發環境。
• 理解 FARM 技術棧的核心概念、功能與優勢。
• 學習如何使用 FastAPI 構建 REST API。
• 學習如何使用 React 設計互動式應用。
• 使用 FARM 技術棧開發、測試並部署應用（front-end 和 back-end）。

本課程為由講師指導的實作培訓（台灣，線上或線下），旨在協助開發者利用 Python 與 FastAPI 更輕鬆、快速地完成 RESTful API 的建構、測試與部署。

完成本課程後，參與者將能夠：

• 配置必要開發環境，以便使用 Python 和 FastAPI 開發 APIs。
• 利用 FastAPI 函式庫，更快、更輕鬆地建立 APIs。
• 學習如何基於 Pydantic 和 OpenAPI 建立資料模型與結構定義。
• 連接資料庫與 APIs，並使用 SQLAlchemy。
• 運用 FastAPI 工具實作 API 的安全性和身份驗證機制。
• 建構容器映像檔，並將 Web API 部署至雲端伺服器。

本課程旨在提供在實務中應用機器學習方法的通用能力。透過使用 Python 程式語言及其各種函式庫，並基於大量實務範例，本課程教導如何使用機器最重要的建築模組，如何做出資料建模決策，解釋演算法的輸出結果，並驗證成果。

我們的目标是給予您理解並自信使用機器學習工具箱中最基本工具的技術，避免資料科學應用中的常見陷阱。

本課程提供由講師帶領的現場或遠程實戰培訓（在線或離線），旨在協助開發人員和數據科學家使用 TensorFlow 2.x 建構預測模型、分類器、生成模型、神經網絡等。

完成本培訓後，學員將能夠：

• 安裝並配置 TensorFlow 2.x。
• 了解 TensorFlow 2.x 相較於早期版本的優勢。
• 建構深度學習模型。
• 實現高級圖像分類器。
• 將深度學習模型部署至雲端、移動設備和 IoT 設備。

本課程首先提供有關神經網路的一般概念知識，涵蓋機器學習演算法、深度學習（包括演算法和應用）。

第一部分佔總課程的40%，重點在於基礎概念，但將幫助您選擇適當的技術：TensorFlow、Caffe、Theano、DeepDrive、Keras等。

第二部分佔總課程的20%，將介紹Theano。這是一套Python函式庫，可讓建立深度學習模型變得輕鬆簡便。

第三部分佔總課程的40%，內容主要基於Tensorflow。它是Google為深度學習提供的開源軟體程式庫API。所有範例和實作練習均使用TensorFlow完成。

適用對象

本課程旨在協助希望將其深度學習專案中使用TensorFlow的工程師。

完成此課程後，受訓學員將能夠：

• 對深度神經網路(DNN)、CNN和RNN有良好的理解
• 了解TensorFlow的結構和部署機制
• 能夠執行安裝、生產環境設定和架構配置任務
• 能夠評估程式碼品質，進行除錯和監控
• 能夠實現高階的模型訓練、圖表建立和日誌記錄等生產級應用