台灣現場Data Science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。

Python是一種在金融業極具人氣的程式語言。它被大型投資銀行和对沖基金採用，用於開發多種金融應用系統，從核心交易程式到風險管理系統皆有。

在這場由講師主導的現場培訓中，學員將學習如何使用Python開發實用應用程式，以解決一系列特定的金融相關問題。

完成培訓後，學員將能夠：

• 了解Python程式設計語言的基礎
• 下載、安裝並維護開發金融應用系統的最佳工具
• 選擇並使用最適合的Python套件和技術，來組織、可視化和分析來自各種來源（CSV、Excel、資料庫、網路等）的金融數據
• 建構能夠解決資產配置、風險分析、投資績效等問題的應用程式
• 除錯、整合、部署及最佳化Python應用程式

受眾

• 開發人員
• 分析師
• 數量分析專家

課程形式

• lectures與討論結合，並包含大量練習和實作

注意事項

• 本培訓旨在提供金融專業人士面臨的一些主要問題解決方案。如果您有特定主題、工具或技術希望補充或深入探討，請聯繫我們以安排。

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。

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。