台灣現場資料科學培訓

此課程為講師主導的實作培訓，在[loc]線上或線下[/loc]舉行，旨在幫助初階專業人士理解預訓練模型的概念，並學習如何應用它們解決實際問題，無需從頭建構模型。

完成本課程後，學員將能夠：

• 理解預訓練模型的概念與優勢。
• 探索不同的預訓練模型架構及其適用場景。
• 針對特定任務微調預訓練模型。
• 在簡單的機器學習專案中實作預訓練模型。

此由講師指導的實作培訓在 台灣（線上或線下）進行，針對希望使用 AWS Cloud9 來簡化資料科學工作流程的中階資料科學家與分析師。

完成本培訓後，學員將能夠：

• 在 AWS Cloud9 中建立資料科學環境。
• 在 Cloud9 中使用 Python、R 和 Jupyter Notebook 進行資料分析。
• 將 AWS Cloud9 與 AWS 資料服務（如 S3、RDS 及 Redshift）整合。
• 利用 AWS Cloud9 進行機器學習模型的開發與部署。
• 最佳化用於資料分析與處理的雲端工作流程。

此由導師主導的現場培訓（台灣）針對希望使用 Apache Airflow 自動化及管理機器學習工作流的初學者參與者，包括模型訓練、驗證和部署。

完成此課程後，學員將能夠：

• 設置 Apache Airflow 以進行機器學習工作流的協調。
• 自動化數據預處理、模型訓練和驗證任務。
• 將 Airflow 與機器學習框架和工具集成。
• 使用自動化管道部署機器學習模型。
• 監控和优化生產環境中的機器學習工作流。

此為由講師主導的即時訓練課程（台灣，線上或線下），針對初級數據科學家及資訊專業人士設計。旨在協助他們學習使用 Google Colab 進行的數據科學基礎知識。

完成本課程後，學員將能夠：

• 安裝與操作 Google Colab。
• 撰寫並執行基本 Python 程式碼。
• 匯入並處理資料集。
• 使用 Python 函式庫建立視覺化圖表。

這門 台灣 時長、由講師授課的課程教導學員使用 Python 建置實用的金融應用。課程透過實作導向方式，涵蓋數據分析、資產配置與風險管理，結合講解與大量實務演習。

This 35-hour program on 台灣 focuses on practical applications of Data Science and AI with Python. Participants will master CRISP-DM workflows, machine learning using TensorFlow, NLP, and Big Data with Spark. It is ideal for beginners looking to develop career-ready analytics capabilities and achieve Python data science certification applicable to business settings.

KNIME Analytics Platform 是推動數據驅動創新的領先開源選項，可協助您發掘隱藏在數據中的潛力、挖掘全新見解或預測未來趨勢。 憑藉超過一千個模組、數百個即插即用範例、全面的整合工具範圍以及最廣泛的高階演算法選擇，KNIME Analytics Platform 成為每位數據科學家與業務分析師的理想工具箱。

此 KNIME Analytics Platform 課程為初學者、進階用戶及 KNIME 專家提供絕佳機會， 協助大家認識 KNIME、學習如何更有效使用它，並建立清晰且全面的報表，涵蓋基於 KNIME 工作流程的成果。

此課程由導師帶領進行即時培訓（線上或線下），針對希望使用 KNIME 解決複雜業務需求的數據專業人士設計。

目標受眾是不具備程式設計經驗，且打算運用尖端工具來實現分析情境的人士。

完成此培訓後，學員將能夠：

• 安裝與設定 KNIME。
• 建立數據科學情境
• 訓練、測試並驗證模型
• 實現數據科學模型的端到端價值鏈

課程形式

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

課程客製化選項

• 如需為本課程申請客製化培訓，或想進一步了解該計劃，請聯繫我們以安排。

這門由導師主導的現場培訓在 台灣（線上或線下）進行，旨在為初級到中級的資料分析師、開發人員或 aspiring 資料科學家提供實用的機器學習技巧應用指導。通過在 Python 中運用這些技術，學員將能夠提取洞察、做出預測並自動化基於資料的決策。

完成本課程後，參與者將能夠：

• 理解並區分關鍵的機器學習範式。
• 探索資料預處理技術和模型評估指標。
• 應用機器學習演算法解決真實世界中的資料問題。
• 使用 Python 庫和 Jupyter notebooks 進行實作開發。
• 建立用於預測、分類、推薦和聚類的模型。