本同意書說明本課程將如何處理本表單所蒐集到的個人資料。當您勾選「我同意」並簽署本同意書時，表示您已閱讀、瞭解並同意接受本同意書之所有內容及其後修改變更規定。
一、基本資料之蒐集、更新、提供人力銀行媒職轉介及保管。
- 本公司蒐集您的個人資料在中華民國「個人資料保護法」與相關法令之規範下，蒐集、 處理及提供您的個人資料供給予人力銀行做媒合職缺使用。
- 請於申請時提供您本人正確、最新及完整的個人資料。
- 本公司因執行業務所蒐集您的個人資料包括姓名、電話、email、身分證字號等。
- 若您的個人資料有任何異動，請主動向本公司申請更正，使其保持正確、最新及完整。
- 若您提供錯誤、不實、過時或不完整或具誤導性的資料，您將損失相關權益。
- 您可依中華民國「個人資料保護法」，就您的個人資料行使以下權利:
(1) 請求查詢或閱覽。(2)製給複製本。(3)請求補充或更正。 (4)請求停止蒐集、處理及利用。(5)請求刪除。 但因本課程執行職務或業務所必須者，本公司得拒絕之。若您欲執行上述權利時，請與本公司連繫。但因您行使上述權利，而導致權益受損時，本公司將不負相關賠償責任。
二、蒐集個人資料之目的
- 本公司為執行課程相關業務需蒐集您的個人資料。
- 您可以拒絕向本公司提供個人資料，但您可能因此喪失您的權益。
- 本公司利用您的個人資料期間為即日起 2 年內，利用地區為台灣地區，於次年定期銷毀所填具之報名表。
- 三、基本資料之保密
您的個人資料受到本公司之保護及規範。本公司如違反「個人資料保護法」規定或因天災、事變 或其他不可抗力所致者，致您的個人資料被竊取、洩漏、竄改、遭其他侵害者，本公司將於查明後以電話、信函、電子郵件或網站公告等方法，擇適當方式通知您。
四、同意書之效力
- 當您勾選「我同意」並簽署本同意書時，即表示您已閱讀、瞭解並同意本同意書之所有內容，您如違反下列條款時，本公司得隨時終止對您所提供之所有權益。
- 本公司保留隨時修改本同意書規範之權利，本公司將於修改規範時，於本課程網頁(站)公告修改之事實，不另作個別通知。
- 您自本同意書取得的任何建議或資訊，無論是書面或口頭形式，除非本同意書條款有明確規定，均不構成本同意條款以外之任何保證。
五、準據法與管轄法院
本同意書之解釋與適用，以及本同意書有關之爭議，均應依照中華民國法律予以處理，並以臺灣臺北地方法院為管轄法院。
關於 楊閔淳 講師
講師簡介
現職
慧術股份有限公司 CTO
最高學歷
台灣大學資訊工程所博士
相關業界或教學經歷
宏碁股份有限公司 (Acer Inc.), 台灣 - 汐止區 (2018/08-2019/05)
Value Lab 醫療AI部門資深經理
- 管理約20人, 負責各樣醫療AI專案 (如MRI/CT/Ultrasound/彩色眼底圖資料)等
竹間智能科技有限公司 (Emotibot Inc.), 台灣 - 內湖 (2016/02-2018/05)
圖像團隊技術總監 (圖像科學家)
-管理7-12人團隊, 負責人員的項目工作分配與資源合作協調, 主導圖像團隊技術發展的方向
-協助團隊人員開發各項電腦視覺技術及應用, 項目包含 -人臉檢測、2D/3D人臉關鍵點檢測、人臉屬性識別、人臉情緒識別、衣服屬性識別與分割、AI藝術家與美化人臉生成
-深度學習技術包含CNN、LSTM、Attention Model、GAN等相關技術
-負責團隊人臉情緒、人臉屬性與識別等數個商用場景項目落地; 小影好印象安卓app等產品開發
聯發科技 (MTK), 台灣-新竹 (2014/11 - 2016/01)
資深工程師
-負責深度學習前沿技術的研究與分享
-負責物件識別/行人檢測等深度學習模型與技術
-支援移動端項目-超分辨率圖像技術改良
台灣中央研究院 (Academia Sinica), 台灣-南港 (2013/10 -2014/09)
博士後研究員
-負責超低解析度人臉識別技術
相關作品連結
https://scholar.google.com.tw/citations?user=AuLcyRkAAAAJ&hl=zh-TW
展開 收合課程簡介
建議帶筆電先安裝 Anaconda /Tensorflow/Tensorboard/Keras/Scikit-learn/Jupyter Notebook
1. 高中以上數學程度，瞭解基本矩陣運算、微積分初階與線性代數。
2. 具備基本英文閱讀能力
3. 對 Python 語言及 Numpy、Pandas、Matplotlib 套件有基礎實作經驗。
上課時間：9/22（日）、9/29（日）09:00~17:00
上課地點：國立台北大學台北校區（台北市中山區民生東路三段67號），詳細上課教室將於上課前通知。
本課程若至9/12為止，報名未滿15人不開班，已報名的學員將全額退費。
不同於坊間AI課程偏向觀念性，這堂課將帶領您從專案開發的角度出發，確認應用的場景，考量有效數據資料量等可用資源，選擇合適的演算法，用業界常用的套件，實際解決客戶端的問題與需求，著重在教導業界工程師真正必備的思考路徑與技術，讓您學到觀念的同時也擅於實際運用。
以手寫辨識為例:業界AI開發專案的思考路徑
楊老師實戰經驗豐富曾任職宏基（Acer）、聯發科、中研院…等單位，負責各種AI專案如:MRI/CT/Ultrasound/彩色眼底圖資料等醫療AI，超低解析度人臉識別技術、人臉檢測、2D/3D人臉關鍵點檢測、人臉屬性識別、人臉情緒識別、衣服屬性識別與分割等，熟悉各種電腦視覺技術開發。
上完這堂課， 將讓您了解整個機器學習的基本處理流程，以及業界實際處理AI專案時常會遇到挑戰（包含資料端、模型訓練上的難點）。幫學員在面對實際問題時，找尋適當的工具與方法，快速兜建出一個機器學習的模型，計算出有意義跟價值的成果來解決問題。
1.你將可用python寫出爬蟲，讓電腦自動幫您在網路上查找、複製、儲存所有可能需要的資料，省下大把的時間，直接對大量完整的資料做分析，這部分是數據分析不可或缺的一大利器。
2.學會使用機器/深度學習套件工具 （Scikit-Learn、Tensorflow、Keras） 處理實際應用時會遇到的分群問題、分類問題等。同時也會使用Jupyter Notebook撰寫python代碼，為代碼除錯與預測結果比對，提供更加簡易方便的處理方式。
3.學會如何使用 Python 開發設計人工智慧模型，並能實際應用在各個領域上去預測和解決問題。
4.用 AI 自動化輔助藉以部分取代原本需人為處理常規定型的工作
5.從大數據中觀察出洞見、提出有效的解決方案並提高企業的競爭力
6.熟練用各種機器與深度學習的演算法建模，並能在不同情況下選擇適合的演算法建模調校以提高準確度，除此之外也學習如何正確定義客戶問題，把AI應用在實際場景之中。
1.每個主題拆成幾個單元、每個單元除了基礎的套件使用解說，以及機器學習的知識內容教授外，會再加上挑戰練習例如 :手寫數字辨識、人臉偵測等。
2.理論與實務結合，除了觀念上的教學與範例挑戰練習之外，老師本身有很豐富的業界開發經驗、可提供AI開發專案開發最新的技術與常見的問題解決方式，幫助大家理解現在最新的AI應用技術。
當學員進入業界實際開發AI專案時，往往不知道那些場景該使用哪些工具。即使懂得使用相關工具，也有相關參考程式碼能跑出一些結果，也不知道機器與深度學習的模型是如何解決這些問題的，碰到不同問題時較無法變通。
本課程除了帶領您一步一步練習每個工具之外，也會說明遇到某些場景與問題時可以使用這些工具，並佐以理論解釋參數的設定原由，加深大家的理解，讓您學到業界AI工程師必備的思考路徑與技術，能夠獨立思考提出問題的解決方案。
1. 有資料科學的基礎，想更進階學習 AI 提升資料的運用價值者
2. 有 AI 基礎觀念、想自行開發 AI 應用程式
3. 有專案開發經驗者佳
4. 想利用機器學習與深度學習技術，進行各種預測的技術工程師
5. 程式相關工程師，想進入 AI 領域
授課大綱
主題章節 | 小單元（細項） | 時間 |
第一天 |
|
|
一、課程暖身 | 1. 軟體簡介與安裝 2. 目標式課程內容簡介 3. 機器/深度學習簡介 4. 資料爬蟲與資料預處理 | 2 hrs |
二、鐵達尼號存活率預測
| 1. 問題簡介與使用的工具介紹與練習 ( pandas / matplotlib / scikit-Learn ) 2. 非監督式學習 3. 監督式學習 4. 集成學習 5. 案例討論 | 3.5 hrs |
三、 Google Cloud Platform API 案例介紹與項目挑戰 | 1. 環境設定與項目挑戰說明 2. GCP API 應用案例介紹 :人臉檢測 、文字 、物件檢測、文字轉聲音 (tts)、聲音轉文字 | 1.5 hr |
第二天 | ||
四、手寫數字辨識 | 1. 問題簡介與使用的工具介紹與練習 ( Tensorflow / keras ) 2. 分群分析 3. 機器學習方案 : 特徵擷取 &降維＆結合分類 演算法 4. 深度學習方案 : 類神經網路概念 類神經網路模型與卷積神經網路模型 5. 資料擴充 6. 視覺化分析 ( tensorboard ) 7. 案例討論 | 5.5 hrs |
五、其他相關機器學習方法技術導論 | 1. 相關機器學習方法與應用 2. 項目挑戰與未來方向討論 3. 筆試 | 1.5 hrs |
常見問題
本課程可以申請經濟部工業局的課程補助，讓學費便宜50%！
申請補助的學員，請先繳交全額學費，符合申請資格者將會於課後收到補助款（學費50%）。
Q1：我要如何在AIGO網站申請補助？
請參考下方流程圖，並觀看您需要的說明。
※ 說明1：怎麼確認我是否有學習積分？
※ 說明2：到AIGO網站上傳學習積分&申請補助流程
※ 說明3：到AIGO網站取得學習積分&申請補助教學
本課程的「AIGO課程申請補助頁」網址：https://aigo.org.tw/ai-plus/course/details/155
※ 註：本課程的上課時間，內容，地點，師資等資訊如與以上AIGO網站有不一致的部份，皆以本頁面為準。
您也可參考流程說明影片。
Q2：申請補助款還有其他注意事項？
提醒您，申請補助款除了完成以上申請步驟外，還必須滿足以下條件：
● 在學聯網結帳時，請務必選擇二聯發票（工業局補助專用），發票於上課當天統一發給。
● 出席時數需達總培訓時數 80％ 以上
● 通過學習評量
● 取得結訓證書
● 填寫並繳交相關資料（例：滿意度問卷，課程補助申請單，個資同意書等等）
※ 上課第一天的注意事項：
1. 請帶存摺封面影本（印有帳號或戶名那面）
2. 身分證正反面影本
3. 發票會於上課第一天統一發給學員影本（因正本要提供給工業局申請補助），並請學員填寫相關資料如補助申請書，滿意度問卷等等，最遲須於最後一天上課前繳回。
4. 上課需簽到及簽退
課程結束後的60個工作天左右，學員會收到本課程的補助款（學費50%）
Q3：如果我對申請補助還有疑問怎麼辦？
如果您仍有疑問，請撥（02）2598-2628 轉107，由專人為您服務。
