你的AI之旅就從此開始！

在這個充滿無限可能的數位時代，AI（人工智慧）不再只是科幻小說中的想像，而是改變世界的核心技術。從智慧助理、推薦系統，到生成圖片、分析數據，AI已深入我們的日常生活。這門課程為你量身打造，無論你是對程式設計毫無經驗，還是渴望深入探索機器學習與深度學習的奧秘，我們將帶領你一步步掌握技術、實現創新，並在AI領域找到屬於自己的方向。

準備好展開你的AI旅程了嗎？現在，就從第一行程式碼開始！

課程模組化與階段性目標

• Python程式系列

  建立程式設計、資料處理、資料擷取與分析相關技能。
  例：Python 程式設計基礎 －> Python 程式設計進階與資料處理 －> Python 網路爬蟲 －> Python 資料分析心法框架

• 數據與模型階段

  學習數據科學與 AI 模型開發。
  例：資料科學與數學統計 －> Python 機器學習 －> Python 深度學習 －> 特徵工程建置

• 人工智慧應用

  聚焦於領域應用與專案整合。
  例：自然語言處理與大型語言模型 －> AI影像辨識與生成式AI －> MLOps機器學習營運

• 系統工程與資料庫

  學習環境建置與資料庫技術實作技巧。
  例：Linux 系統管理基礎 －> Docker容 器式虛擬環境建置 －> MySQL 資料庫實務應用 －> Python 整合串接資料庫應用實作

• 視覺化與前後端整合

  網頁設計與資料呈現。
  例：HTML & CSS －> JavaScript －> Flask －> Restful API 與 Ajax －> 資料視覺化

專案導向學習 (Project-based Learning)

設計模擬專案： 經歷以小組團隊分工合作方式來進行的AI應用專題，以期磨練學員上課所學習到的專業技能並強化產業應用的能力。例如：

• 發想研究主題，思考其動機及目的，設定研究與製作流程。
• 使用網路爬蟲自動化爬取數據，進行數據清理、分析，並以Flask或Power BI等技術搭建視覺化應用。
• 針對已有的資料，選用適合的機器學習或深度學習模型進行分析或預測並做出最佳化調整，可思考文字或圖像資料型態的專案如何建置，以及需要之自然語言處理或影像識別工具。
• 將開發的AI專案以MLOps進行部署或維護。

實作與評估

• 課程中設置考試、作業或實作，作為學習成果評估。
• 評估學員的程式邏輯能力、資料處理能力、模型調整能力，以及透過專題對技術整合的掌握程度。

整合工具的應用與實踐

• 工具鏈： 嘗試如何將Git或Docker等技術整合到AI專案的工作流程。
• 資料分析+視覺化： 數據分析結果以Power BI和Flask呈現，提高商業價值理解。

跨領域學科整合

• 提供延伸資源，幫助學員了解AI如何應用於金融、醫療、行銷、交通、製造、工程、法律、影音、教育等百工領域。