1. 首頁

台灣人工智慧學校台北總校 經理人週末研修班第一期招生簡章

經理人週末研修班第一期簡介

經理人週末研修班是台灣人工智慧學校在技術領袖培訓班之後,第二個專門為台灣目前產業需求所設計的班別。我們預期透過經理人週末研修班,讓各產業的經理人能有一個場域,與不同產業的經理人一同學習及理解人工智慧的技術概觀,對於人工智慧技術能有全面性的大局觀,而且徹底瞭解人工智慧是如何運作的,以及它的能力、侷限及未來發展,才能讓產業欲以人工智慧進行產業升級時,能有清楚的方向感來帶領企業前進。

我們將以為期十二周的時間,每周六的全天班形式進行,給予所有經理人學員全面的人工智慧概觀。早上下午約六小時的時間進行上課,晚餐過後,進行深入的研討及交流,除了確認讓學員們都能充份吸收及理解課堂傳授的知識,也預計讓學員們透過晚上的互動安排充分領略這些技術的實際應用方式及限制,以及進行學員間跨領域的交流學習。

經理人週末研修班目標為讓不同領域的專業經理人能夠如虎添翼,以人工智慧加上原本的領域知識及管理專才,以正確的認知及方向感來掌舵,帶領人工智慧團隊,協助各企業以工智慧解決問題及進行升級。我們的經理人學員們在結訓後將擔任種子角色,深入台灣產業的各個層面,以其本身專業及正確的人工智慧認知及方向感協助企業解決在邁向智慧化的過程中所面臨的難題。

我們將安排中央研究院等各學研單位及產業界在理論或實務上最富經驗的講師,從核心的機率、統計到機器學習、深度學習等最新的人工智慧技術皆涵蓋,提供完整的大局觀。在後期階段,本班將與技術領袖培訓班協同進行專題研討,讓經理人學員們能在課程中體驗與人工智慧技術人員的互動,同時培養定義問題、解決及場域導入方式等未來帶領人工智慧團隊所需的關鍵能力。

我們期待透過經理人週末研修班,讓忙碌的經理人們能在週末有充分的充電機會,不再是零零星星地聽些片段的人工智慧知識,而是能夠有完整的課程利用十二個周六的全天班,對人工智慧有清晰的技術及應用藍圖。我們期待所有本班結訓的經理人都能以他們所學,在社會的各個角落協助台灣在人工智慧應用的全面升級,幫助產業提升競爭力,讓未來的我們擁有更美好的台灣。

台灣人工智慧學校經理人週末研修班第一期招生簡章

一、修業期限:本學期自 107 年 1 月 27 日起,至 4 月 28 日止,共 13 周;原則上每周六早上九時半至下午八時半,連續假期除外。

二、錄取人數:200 名 (得不足額錄取)

三、上課地點:中央研究院 (規劃中)

四、課程內容:請參閱經理人週末研修班課程大綱

五、報名資格:在職人士且任管理職位者優先錄取。

六、報名注意事項及規定:
  1. (一)考生請務必於報名前詳閱本項招生簡章規定,避免日後因報名資格不符致被取消報考或影響錄取。
  2. (二)考生上網登錄報名資料之通訊地址、電話號碼及電子郵件地址應正確,若無法通知而致延誤考試及其他重要事項,其後果需自行負責。
七、報名方式:本招生採網路報名,請於截止日前 (107 年 1 月 8 日 23:59) 上網填寫報名資料。上傳或繳交資料不齊或不符規定者,視同未完成報名。

八、放榜:
  1. (一)放榜日期:107 年 1 月 11 日(星期四)17:00。
  2. (二)公布方式:正、備取生以電子郵件寄發通知。
  3. (三)放榜後,考生應主動查詢,俾於獲知正(備)取後如期辦理註冊,逾期未註冊者,不得以未接獲通知為由要求補救措施。
九、網路註冊及收費標準:
  1. (一)註冊時間:錄取者需於107 年 1 月 15 日(星期一)中午 12:00 前完成註冊及繳費。
  2. (二)請於註冊時間內依規定至本校網址辦理網路註冊,未依規定辦理或逾期未註冊者,本校可取消其入學資格,事後不得以任何理由要求補註冊。
  3. (三)收費標準:經理人周末研修班 - 學雜費 36,000 元整(單位:新台幣元)
十、注意事項:

錄取考生如經發現報考資格不符規定,或所繳資料有偽造、變造、假借、冒用、剽竊、 內容不實、塗改等情事,未入學者取消錄取資格,已入學者開除學籍,並應負法律責任,且不發給任何有關學業之證明,如係在本校結業後始發覺者,除勒令撤銷其結業證書外,並公告取消其結業資格。

報名表格部分預覽圖

每日課程原則如下:

時段內容
09:30am ─ 12:30pm早上課程
12:30pm ─ 02:00pm午餐時間 (lunch box)
02:00pm ─ 05:30pm下午課程
05:30pm ─ 07:00pm交流晚餐 (buffet)
07:00pm ─ 08:30pm案例研究與交流討論

課程安排

日期主題內容大綱
2018/01/27 (六)課程介紹 & 人工智慧概觀
2018/02/03 (六)統計與資料分析1. 機率與統計
2.?抽樣、分布、假設檢定 & 迴歸模型
3. 探索行資料分析與資料探勘
2018/02/10 (六)機器學習與演算法概論1. 監督式學習
  • 線性回歸 (linear regression, LASSO regression)
  • 邏輯式回歸 (logistic regression)
  • 支持向量機 (support vector machine)
  • 決策樹 (decision tree)
  • 隨機森林 (random forest)
  • 梯度提升機 (gradient boosting machine)
2. 非監督式學習
  • 主成分分析 (principal componet analysis, PCA)
  • K-means (K-means clustering)
  • 階層式分群 (hierarchical clustering)
  • DBSCAN
2018/02/24 (六)深度學習入門- 深度學習的基礎理論
- 捲積神經網路 (Convolution Neural Network, CNN)
- 遞迴神經網路 (Recurrent Neural Network, RNN)
- 長短期記憶神經元(Long Short-term memory, LSTM)
- 生成式對抗網路 (Generative Adversarial Network, GAN)
2018/03/03 (六)手把手的機器學習及深度學習- 機器學習案例
- 多層感知器案例
- 深度捲積網路案例
2018/03/10 (六)電腦視覺- 影像分類
- 物體偵測
- 影像分割
- 影像描述
2018/03/17 (六)文字探勘與自然語言處理- 情緒分析
- 文字摘要
2018/03/24 (六)聊天機器人傳統規則式應答機器人 vs. 深度聊天機器人
2018/03/31 (六)推薦系統- 關聯式推薦 (association rule)
- 內容推薦 (content-based recommendation)
- 協同過濾推薦 (collaborative filtering)
- 深廣學習 (wide & deep learning) 推薦系統
2018/04/14 (六)語音與音樂訊號處理
2018/04/21 (六)人工智慧於產業應用之案例分析
2018/04/28 (六)期末發表會及結業典禮

經理人週 末研修班第一期課程表

  • R0: 人文館國際會議廳
  • A0: 活動中心一樓演講廳
  • A1: 活動中心二樓第一會議室
  • HQ: 跨領域大樓七樓

2018/02

日期02/03 (六)02/10 (六)02/17 (六)02/24 (六)
09:30 - 10:30
敘述性統計與機率分布
Machine learning overview, rehearse relavent concepts in statistics, probability, and sampling methods
陳彥呈 @ A0
春節放假
深度學習簡介
李宏毅 @ A0
10:30 - 10:50休息休息休息
10:50 - 12:20
參數估計與假設檢定
Regression, Dimension Reduction, and Unsupervised Learning Methods
陳彥呈 @ A0
深度學習實務技巧與前瞻技術
李宏毅 @ A0
12:20 - 13:40午餐午餐午餐
13:40 - 14:40
資料處理方法
Supervised Learning Methods: SVM, Decision Trees, and Classifier Ensembles
陳彥呈 @ A0
深度學習應用大觀
李宏毅 @ A0
14:40 - 15:00休息休息休息
15:00 - 16:30
探索式資料分析
Learning theories, generalization, and the importance of features
陳彥呈 @ A0
對抗式學習入門
李宏毅 @ A0
16:30 - 17:00問答時間問答時間問答時間
17:00 - 18:00晚餐晚餐晚餐
18:00 - 18:45
專題演講 I
零售業資料科學實戰 - 從會員模型到行為預測
李昆謀 @ R0
專題演講 I
ASAP 比價嗶嗶鳥爬蟲的秘辛與其他電商資料分析案例分享
崔殷豪 @ A0
專題演講 I
張佳彥 @ A0
18:45 - 19:30
零售商品的特徵工程
火災、水汙與家暴,資料英雄如何解決社會問題
謝宗震 @ A0
專題演講 Ⅱ
吳沛燊 @ A0

2018/03

日期03/03 (六)03/10 (六)03/17 (六)03/24 (六)03/31 (六)
09:30 - 10:30
手把手的機器學習
前進Kaggle之路 --- 基礎篇
教研處 @ R0
CNN 原理簡介
林彥宇 @ A0
自然語言簡介
陳宜欣 @ R0
社群媒體與社群分析介紹: 現況、應用與發展趨勢
胡筱薇 @ R0
推薦系統概述 - 目標、基礎建設及開發
陳怡安 @ R0
10:30 - 10:50休息休息休息休息休息
10:50 - 12:20
手把手的機器學習
前進Kaggle之路 --- 基礎篇
教研處 @ R0
代表性 CNN 模型
林彥宇 @ A0
自然語言相關技術
陳宜欣 @ R0
社群分析可以為組織帶來什麼好處?
胡筱薇 @ R0
推薦系統實戰 - 實做介紹及案例分析
陳怡安 @ R0
12:20 - 13:40午餐午餐午餐午餐午餐
13:40 - 14:40
手把手的機器學習
前進Kaggle之路 --- 基礎篇
教研處 @ R0
CNN 於電腦視覺之應用I
林彥宇 @ A0
文字探勘技術簡介
陳宜欣 @ R0
工具介紹: 一個人也能做的社群數據分析
胡筱薇 @ R0
對話式使用者界面的簡介與挑戰
朱柏憲 @ R0
14:40 - 15:00休息休息休息休息休息
15:00 - 16:30
手把手的機器學習
前進Kaggle之路 --- 基礎篇
教研處 @ R0
CNN 於電腦視覺之應用II
林彥宇 @ A0
文字探勘的應用與挑戰
陳宜欣 @ R0
數據天堂路: 分組演練與實做
胡筱薇 @ R0
深度學習如何協助聊天機器人的開發
朱柏憲 @ R0
16:30 - 17:00問答時間問答時間問答時間問答時間問答時間
17:00 - 18:00晚餐晚餐晚餐晚餐晚餐
18:00 - 18:45
機器學習的傲慢與偏見
黃從仁 @ R0
Deep Learning for Computational Photography and Computer Vision
莊永裕 @ A0
專題演講 I
自然語言處理在輿情分析與客服機器人之應用
馬偉雲 @ R0
無中生有 - 利用外部數據打造新商業模式
丘祐瑋 @ R0
Music Recommendation Based on Multiple Contextual Similarity Information
蔡銘峰 @ R0
18:45 - 19:30
Our Recent Advances and Experiences on Deep Learning for Computer Vision.
王鈺強 @ R0
機器智能與人類行為分析於醫療應用
李祈均 @ A0
Textual Data Analytics in Finance
王釧茹 @ R0
文字探勘及機器學習在金融業之應用
楊立偉 @ R0
深度學習與 Kaggle 實戰
王淳恆 @ R0

2018/04

日期04/07 (六)04/14 (六)04/21 (六)04/28 (六)
09:30 - 10:30
清明放假
手把手的深度學習
教研處 @ R0
有記憶的神經網路 | GAN 怎能紅遍天下
蔡炎龍 @ R0
結業典禮
教研處 @ R0
10:30 - 10:50休息休息休息
10:50 - 12:20
手把手的深度學習
教研處 @ R0
問問題的創意 | 深度學習的種種卡關
蔡炎龍 @ R0
結業典禮
教研處 @ R0
12:20 - 13:40午餐午餐午餐
13:40 - 14:40
手把手的深度學習
教研處 @ R0
從零開始 - 資料專案啟動案例分享
許懷中 @ R0
結業典禮
教研處 @ R0
14:40 - 15:00休息休息休息
15:00 - 16:30
手把手的深度學習
教研處 @ R0
知其所以然 - 建構具備解釋性的機器學習模型案例全攻略
許懷中 @ R0
結業典禮
教研處 @ R0
16:30 - 17:00問答時間問答時間問答時間
17:00 - 18:00晚餐晚餐晚餐
18:00 - 18:45
塑造資料科學文化,要像創業家一樣
官順暉 @ R0
語音辨識、合成、理解技術與應用
何泰軒 @ R0
專題演講 I
R0
18:45 - 19:30
專題演講 Ⅱ
企業如何導入 AI 以提升營運表現
劉永信 @ R0
台北市產業發展獎勵補助
姜義峻 @ R0
專題演講 Ⅱ
R0