訓練職類　電腦程式設計

課程內容

展望	目前大數據分析已經逐漸深化於零售、金融、高科技、醫療、製造等產業，其應用可以讓各產業決策者發現行銷契機、使用者習慣和未來趨勢等多方面用途。學員結訓後，可從事的工作內容包括：大數據分析、巨量資料分析、企業資料分析架構規劃與設計、機器學習、資料庫規劃與設計、Java程式設計、Python程式設計、企業電子商務系統設計、營運模式規劃與建置等項目。亦可擔任資料分析師、大數據分析師、資料科學家、人工智慧工程師、機器學習工程師、營運分析工程師、資訊系統顧問、大數據專案經理、行銷企劃人員等職缺。

大綱

7. Python程式與資料處理(學)(16小時)：1. Python基礎知識與技術 2. REPL 3.型態與運算子 4.函式 5. Python程式效能提升 6. Python資料結構簡介
8. MySQL資料操作與存取(學)(8小時)：1. 資料庫概論與 MySQL 2. 基礎查詢 3. 運算式與函式 4.結合與合併查詢 5.資料維護
9. 網路資料爬取與分析(學)(4小時)：1.爬蟲概念介紹 2.網頁結構說明 3.資料爬取技巧
10. linux基本指令操作(學)(6小時)：1.計算機概論 2.Linux是什麼 3.主機規劃與磁碟分割 4.安裝Linux 5.Linux的檔案權限與目錄配置 6.Linux基本指令
11. Hadoop(學)(4小時)：1.資料科學VS資料科技 2.Hadoop核心架構 3. HDFS 分散檔案系統 4. YARN 分散運算系統 5.Hadoop 核心系統特性 6.Hadoop生態系架構
12. Spark(學)(4小時)：1.Apache Spark 系統架構 2.分散式資料分析框架 3.Spark 實務應用
13. 數據儲存與管理(學)(4小時)：1.HBase 系統運作架構 2.HBase 大數據資料庫 3.檢視 HBase 資料表 4.HBase REST API 5.管理 HBase 資料表
14. 系統分析與設計導論(學)(8小時)：1.系統開發程序 2.系統規劃 3.專案定義 4.需求分析方法 5.資料規格書 6.邏輯設計的評估與確認 7.邏輯設計 8.軟體包裝 9.系統輸出設計 10.系統輸入設計
15. 統計應用實務(學)(8小時)：1.基本概念：機率、母體 2.樣本與抽樣 3.敘述統計：次數分配（交叉分析）、平均數、變異數、中位數、眾數
16. AI機器學習與深度學習(學)(8小時)：1.預測（含分類）：迴歸(線性、邏輯等)、類神經網路（BPN、DNN)、支援向量機 2.分類：決策樹、C5.0、隨機森林、決策森林
17. 影像辨識(學)(4小時)：1. 影像處理觀念介紹 2. OpenCV建置與函式庫實務應用 3. 影像格式與資料結構型態 4. 影像讀取與通道轉換
18. 自然語言處理(文字分析)(學)(4小時)：1. 文字的向量表示法 (Word Vector Representations)：自然語言斷詞方法介紹、文字向量化的應用說明、文字向量化程式追蹤。 2. 自然語言文句處理：自然語言斷詞方法介紹、建立自然語言單字表 3. 自然語言文章分類：自然語言文章的分類應用、自然語言文章分類架構說明 4. 自然語言語意解析：自然語言語意解析方法介紹、自然語言語意解析訓練方法說明。
19. 大數據圖表視覺化技術(學)(16小時)：1.常用屬性或方法 2.資料結構 3.載入資料 4.資料清理 5.整併資料庫資料 6.UI/UX概念
20. 企業案例專題實作(學)(4小時)：1.數據整理與創意發想 2.相關文獻探討
21. Python程式與資料處理(術)(24小時)：1.集合 2.流程語法 3.函式應用 4.邏輯判斷 5.類別 6.繼承 7.例外處理 8.io 9.資料分析 10.Python與資料庫互動 11.除錯 12.Python綜合練習 13.設計整合測試情境
22. MySQL資料操作與存取(術)(24小時)：1.字元集與資料庫 2.儲存引擎與資料型態 3.表格 4.索引 5.子查詢 6.Views 7.資料庫資訊 8.錯誤處理與查詢 9.匯入與匯出資料
23. 網路資料爬取與分析(術)(10小時)：1.Python爬蟲程式設計 2.Python爬蟲效能調整 3.網頁結構剖析 4.bs4資料爬取
24. linux基本指令操作(術)(15小時)：1.安裝CentOS 2.安裝Ubuntu Server版本 3.Nginx + PHP-FPM(PHP7)建置步驟(Ubuntu18.04) 4.Django Nginx+uwsgi 安裝配置 5.Apache + MariaDB + PHP(CentOS 7)
25. Hadoop(術)(20小時)：1.Hadoop叢集設定 2.建立及啟動Hadoop叢集貨櫃主機 3.Cluster設定目錄結構 4.格式化HDFS分散檔案系統 5.啟動並檢視 HDFS 系統架構並檢視根目錄權限 6.HDFS操作命令 7.單體平行應用系統架構 (Monolithic) 8.MapReduce Shuffle 設定 9.YARN 分散運算系統運作圖 10.啟動及檢視YARN 分散運算系統
26. Spark(術)(20小時)：1.Spark實務應用 2.設定Spark Standalone 叢集運作架構 3.建立啟動 Spark Standalone貨櫃主機 4.啟動 spark-shell (scala interpreter) 5.啟動 pyspark 交談模式 6.以交付模式執行 Python 應用程式 7.叢集佈署模式執行 pi.py 8.安裝Anaconda 9.設定 Spark 叢集使用 Anaconda 10.啟動 Spark Standalone 叢集系統 11.啟動及設計 Jupyter Server 啟動命令 12.建立 Python NoteBook
27. 數據儲存與管理(術)(20小時)：1.資料科學家登入 Hadoop Client 2.建立 Hbase資料集資料表 3.撰寫與直行Pig程式 4.設定Hive並建立Hive資料表 5.啟動HBaseREST服務 6.管理 HBase資料表 7.建立分割資料表 8.實作練習
28. 統計應用實務(術)(8小時)：1.估計：點估計、區間估計 2.假設檢定：T檢定、F檢定、Z檢定 3.單因子變異數分析 4.相關與迴歸
29. AI機器學習與深度學習(術)(32小時)：1.維度減少法：主成份分析法、線性判別分析法、遺傳演算法 2.分群：兩階段分群、K-mean、自我映射網路 3.關聯：單一維度關聯、週期性關聯、多維度關聯 4.深度學習：CNN、RNN、LSTM、AutoEncoder
30. 大數據圖表視覺化技術(術)(24小時)：1.資料彙整 2.數據視覺化Matplotlib 3.數據視覺化Seaborn 4.數據視覺化Bokeh 5.線性迴歸 6.Logistic迴歸 7.資料探勘與文字斷詞分析 8.版本控制軟體
31. 企業案例專題實作(術)(60小時)：1.實作分工 2.開發設計 3.測試 4.驗證與修改 5.簡報製作 6.報告演練 7.專題系統開發 (1)系統架構設計 (2)系統實作開發 (3)實驗設計 (4)數據分析 (5)結論與展望