網頁設計入門

1. 網頁運作基本觀念
2. 網頁撰寫基礎
3. 網頁基礎元素
4. CSS基礎寫法
5. 表格標籤與樣式
6. HTML 5 新元素
7. CSS樣式屬性

JavaScript網頁程式設計

1. 測試及除錯工具
2. 使用 script 標籤
3. 常數和變數宣告
4. 基本類型
5. 運算子
6. String
7. 取得標籤元素
8. 流程控制
9. Object類型
10. Array類型
11. JSON

jQuery & jQuery UI

1. 選擇器
2. Tree Travel
3. 事件處理介紹
4. 滑鼠事件(Mouse Event)
5. 視窗事件(Document/Window Event)Module
6. 樣式控制
7. jQuery UI

物件導向程式設計一

1. Java簡介
2. 物件導向程式設計
3. 識別字、關鍵字、與資料型別
4. 運算式、程式敘述、與流程控制
5. 陣列
6. Java類別
7. Java例外處理
8. 執行緒
9. I/O串流處理

感測器融合技術

1. Raspberry Pi開發板簡介
2. Raspbian簡介
3. 在Windows上燒錄映像檔
4. 啟動Raspbian作業系統及環境設定
5. Linux檔案系統
6. 檔案管理指令
7. 編輯文字檔案
8. 目錄管理
9. 了解檔案權限
10. 系統管理
11. 尋找及安裝軟體套件
12. Shell Script簡介
13. Raspberry Pi連上網路

機器學習於物聯網資料處理與應用

1. Node.js 開發環境準備
2. Node.js 介紹及載入
3. 自建模組與如何使用
4. 關於 module.exports
5. NPM 套件管理
6. Web Server 介紹及使用
7. Node.js 檔案系統
8. Node.js 內建除錯
9. Node.js EventEmitter
10. Express.js 簡介及安裝
11. Express web application
12. Node.js靜態檔案服務
13. MongoDB 安裝設定
14. Node.JS 串接 MongoDB (含CRUD)

物件導向程式設計二

1. 開發環境介紹與安裝
2. 第一支Python程式
3. Python程式語言速覽
4. 資料型態
5. 程式控制流程
6. 迴圈指令
7. 例外處理
8. 內建函數和自定義函數
10. 物件導向程式設計
12. 檔案的處理
13. 執行Linux指令

資料探勘

1. 機器學習應用快速入門
2. 機器學習的Java庫與平台
3. 基本算法: 分類、回歸、聚類
4. 利用集成方法預測客戶關係
5. 關聯分析
6. 使用推薦引擎
7. 欺詐與異常檢測
8. 利用Deeplearning4j進行圖像識別

人工智慧概論

1. 人工智慧的歷史
2. 深度學習
3. 機器學習
4. 基礎統計學
5. 演算平台
6. 框架
7. 雲端平台
8. AWS
9. Google Cloud Platform
10. 類神經網路

資料收集及前處理

1. Web簡介
2. 網路應用系統的基本概念
3. 開發環境的安裝與設定
4. Java伺服器元件開發基礎架構
5. 動態網頁請求與回應介紹
6. 動態網頁請求與回應介面物件
7. 動態網頁頁面的轉發物件
8. 動態網頁程式基本應用-網頁重導
9. Installing MySQL
10. Quick Tour
11. Database Design Crash Course
12. Creating Databases, Tables, and Indexes
13. Inserting, Deleting, and Updating Data
14. Querying MySQL

圖形識別

1. OpenCV簡介
2. 安裝OpenCV
3. OpenCV中Gui的特徵
4. 重要GUI操作:圖像的基本操作
5. 圖像處理
6. 特徵檢測和描述
7. 視頻分析
8. 機器學習
9. 物體檢測做人臉辨識

機器學習導論

1. 機器學習概論
2. 數據清理
3. 單元線性回歸(Simple Linear Regression)
4. 多元線性回歸(Multiple Linear Regression)
5. 多項式回歸(Polynomial Regression)
6. 邏輯回歸(Logistic Regression)
7. 評估回歸模型的表
8. 支持向量機SVM
9. 樸素貝葉斯 Naive Bayes
10. 決策樹 Decision Tree
11. 隨機森林Random Forest
12. 分類模型性能評價
13. 分類模型性能選擇

深度學習架構

1. 深度學習基礎介紹
2. 深度學習常見的應用
3. TensorFlow基礎語法
4. DNN神經網路介紹
5. 損失函數的定義
6. 優化神經網路
7. TensorFlow實作分類器
8. DNN實作影像分類
9. Tensorboard可視化工具介紹
10. CNN神經網路介紹
11. Convolution與Maxpooling介紹
12. 著名CNN網路介紹
13. 類神經網路訓練技巧

開訓典禮/導師時間

開訓典禮/導師時間

LAB(實習操作)

LAB(實習操作)

職場講座

職場倫理與兩性平等

專題製作

AIOT軟體設計與系統開發

專題指導

專題指導

專題觀摩/專題預演

專題觀摩/專題預演

專題發表暨結訓典禮/就業媒合活動

專題發表暨結訓典禮/就業媒合活動