課程資訊
所有課程 實體課程 線上課程 寒暑假密集班
課程資訊：瀏覽課程的詳細資訊
線上課程
Python機器學習入門 [線上課程]
AI 已經進入到不同產業，不論在電子、金融、資訊、醫療、零售、通訊、交通、物流等領域，您都可能透過機器學習（Machine Learning）解決過去難以解決的問題。
機器學習是人工智慧中最重要的基礎分支，目標是期望電腦具有模擬人類的學習活動，從數據中獲取知識和技能，重新組織已有的知識結構，進而不斷改善系統性能。
由於本課程除了基礎理論以外，強調｢範例式教學｣之實作能力，課程中會有大量Coding的練習，課程總影片時數達27小時左右(課程5~6週完成)，因此有一定的課程Loading要請學員們完成，Coding部分會有實作範例影片引導學員，零程式基礎也可以完成。
※ 課程以中文上課，目前尚無字幕，此線上課程採用預先錄製剪輯之教材！

線上課程進行方式


由於本課程除了基礎理論以外，強調｢範例式教學｣之實作能力，課程中會有大量Loading，為有效輔助線上課程同學們實作
課程總影片額外增加實作部分的手把手教學影片， 總影片時數達27小時左右，詳細課程流程如下：
  • 本課程線上課程詳細課程通知，會於開課日前幾天以E-mail寄發註冊信 ***報名時請務必填對E-mail***
  • 本課程課程總計有 10 次非同步線上課程(每次有3小時單元課程與對應之作業或實作練習應用、故無提供固定Office hour時段，若遇到非常棘手之問題可Email詢問或預約時間線上即時討論)
  • 課程影片公告時間於開課日後每周兩天固定時段公告(請注意報名時填寫之Email)，並將影片發佈在 NTU COOL，課程影片半年內皆可無限次觀看。

    第一次上課會於開課日時會公告教學影片，同學請確保了解以下事項：
    1. 建立Github帳號以及如何上傳作業至Github程式庫平台上
    2. 安裝與設定課程所需之python程式的環境
    3. 了解本期課程進行的方式與規範，詳細課程公告時間與作業繳交期限
    課程中若有問題也可以直接使用email或於線上NTU COOL平台留言(若需要手把手教學或Debug可於Email預約時間)。

    課程結業標準


    課程作業100% (總分70即通過)。
  • 作業：總計有 六次，繳交期限為作業發佈之後一週
         例如若課程實作發佈在週四，作業繳交期限則為下個周五 23:59:59）***遲交分數80%***

    ※線上課程上課時間：於開課時間內可自行安排時間上課
    影片上架進度，請參考備註欄位第(三)點線上課程常見QA連結網址
    • 課程大綱
    本課程主軸透過對機器學習的背景知識、演算法流程、採用｢範例式教學｣，所含範例又分為｢初階應用｣與｢進階應用｣，引導學生從基礎切入、由淺入深，包含理論及實作技術，讓學習者了解何時可以使用機器學習、為何機器可以學習、機器怎麼學習、如何讓機器學得更好，幫助您掌握機器學習最核心的觀念與技術本質。
    課程主要教學方式使用Python程式語言搭配Scikit-lear套件的講解，並且實際帶領您進入real-world案例的世界，全面介紹機器學習的理論基礎和實踐應用，一步步進入機器學習的專業領域。

    課程規劃為三大主軸：Python程式設計、Python資料處理及工具、機器學習理論與實作
    課程簡介
    Python程式語言
    Python基礎資料結構知識與技術、流程控制與邏輯判斷、模組化工具函式與物件導向概念
    Python資料處理及工具
    運用Python資料處理相關模組能力，如Numpy、Pandas、Matplotlib、Scikit-learn等
    資料科學簡介及應用、資料與特徵、資料科學實作流程
    機器學習理論與實作
    熟悉機器學習等相關演算法(如Linear Regression、Classification、Logistic Regression、KNN、Decision Tree、Random Fores、Ensemble Method、Dimensionality reduction、Clustering等)並進行相關實際應用

    課程架構如下：
    Python程式語言
    Python資料處理及套件工具
    機器學習簡介與概論
    機器學習初探：資料結構與特徵工程(Feature engineering)
    機器學習I：回歸(Regression)與分類(Classification)
    機器學習II：模型評估(Model evaluation)
    機器學習III：分群(Clustering)
    機器學習IV：整合學習(Ensemble learning)
    機器學習V： 視覺化處理-降維(Dimensional reduction)
    機器學習算法的實踐範例
    *實際課程內容進度會依據學習狀況做調整，以及針對學生的需要與偏好進行更動。

    *課程將於每週三六9點前上線
    適合對象
    熟悉電腦與Windows基本操作，具國中英數基礎，對程式設計有熱忱者。
    推薦國高中生、非資訊科系相關之大學生、專門從事行業內數據蒐集、整理、分析，並依據這些數據做出研究、評估的專業人員，或對於資料分析師有興趣之社會人士。

    * 本課程為實作課程，非純程式語言課程；若完全沒有任何程式基礎者，建議先於其他Python語言課程中掌握基本語法。對於程式語言的初學者本課程能夠指導同學自行修改程式碼的基礎能力(本課程備妥之範例程式)以便完成作業。
    開發環境
    主要開發系統為Windows，程式語言為Python版本 3.7以上
    整合開發環境(IDE)為Anaconda (Jupyter notebook) / 跨平台編輯器Visual Studio Code
    線上課程注意事項

    ●線上課程採遠距教學，無需到班上課!

    ●線上課程影片無字幕輔助

    ●線上課程為非同步教學，無法及時互動回覆，請學員需自行評估是否適合自己的學習模式。

    ● 上課教材、影片：開課當天會發送註冊信至信箱，註冊完畢後即可開始上課。

    ● 繳交作業期限：依照各班講師規定；通過課程標準才會製作證書。

    ● 課程影片下架日：結束日後六個月

    ●學員於開課後登入課程時， 登入帳號務必與報名時所填寫的EMAIL相同!!!

    公務員全程參與課程學習後可於課程結束後申請登錄公務人員學習時數

     

    (一)轉班或退費期限：開課日後⅓時數內，詳情連結

    (二)結業狀況：查詢是否合格及證書製作進度，結業名單連結

    (三)線上課程上課時間：請參考官網最新消息「線上課程常見QA」，詳情連結

    (四)報名備註欄位僅可填寫優惠同行人，收據開立時間及其他問題請直接寄EMAIL向我們聯繫

    近期班次
    第 461 期 Python機器學習入門 [線上課程]
    招生中
    課程類別：線上課程
    開課日期：2026.01.07 ~ 2026.03.04
    學費：新生新台幣 4500 元整
    講師介紹
    江尚瑀

    學歷

    國立臺灣大學生醫電子與資訊學研究所  博士
    國立臺北科技大學資訊與財金管理研究所 碩士
    銘傳大學醫療資訊與管理學系 學士

    教學經歷

    • 數位發展部 機器學習與生成式人工智慧 講師
    • 國立宜蘭大學 生成式人工智慧系列課程 講師
    • Certiport-CCS 生成式人工智慧證照 中文化審稿委員
    • 聖文森及格瑞納丁國家 ICT 與公共安全強化專案 — Image Recognition 專案課程特聘海外講師
    • 國泰人壽企業內訓 Python Data Science課程 企業講師
    • 艾鍗科技有限公司  業界講師
    • 臺北市立大學 商用雲端 App Inventor 課程講師
    • 臺北城市科技大學 商用雲端 App Inventor 課程講師
    • AIGO 教練聯盟 種子師資培訓講師
    • Nvidia Deep Learning 師資培訓學員
    • 中華企業資源規劃學會 商用雲端 APP 軟體設計師、商用數據應用師、智慧企業基礎 師資培訓
    • 勞動部實務型資料分析與機器學習訓練計畫 講師

    期刊

    • Q1 Chiang, S. Y., Wang, Y. W., Su, P. Y., Chang, Y. Y., Yen, H. H., & Chang, R. F. (2025). PBCS-ConvNeXt: Convolutional Network-Based Automatic Diagnosis of Non-alcoholic Fatty Liver in Abdominal Ultrasound Images. Journal of Imaging Informatics in Medicine, 1-16. 
    • Q2 Juan, C. J., Wang, C. S., Lee, B. Y., Chiang, S. Y., Yeh, C. C., Cho, D. Y., & Shen, W. C. (2021). Integration of genetic programming and tabu search mechanism for automatic detection of magnetic resonance imaging in cervical spondylosis. 
    • Q1 Feng, P. H., Chen, T. T., Lin, Y. T., Chiang, S. Y., & Lo, C. M. (2018). Classification of lung cancer subtypes based on autofluorescence bronchoscopic pattern recognition: A preliminary study. Computer Methods and Programs in Biomedicine, 163, 33-38. 

    研討會

    • The 4th Multidisciplinary International Social Network Conference
      [Best Paper] Prediction Model of Cervical Spine Disease Established by Genetic Programming
    • Symposium on Engineering, Medicine, and Biology Applications
      [Best Paper] Radiomic MRI T1WI Features used in Predicting Gene Mutations in Brain Tumors
    • ICU 2018 : 20th International Conference on Ultrasonic
    • Quantitative Evaluation of Mitral Regurgitation by using Color Doppler Ultrasound
    • The 12th Asian- Oceanian Congress Of Neuroradiology
      Integrate Genetic Programming with TABU Search to Establish a Prediction Model of Cervical Spine Disease

    競賽

    • 博士佳作論文獎, 2025 第18屆崇越論文大賞：AI應用論文競賽
    • 入圍決賽, 2025 桃園新創之星 x 創天下競賽
    • 入圍決賽, 2025 公路局資料創新應用競賽
    • 入圍決賽, 2024  AI Junior Award
    • 佳作, 2023  數創大賽智慧+組

    證照

    • Certiport – App Development with Swift
      Swift Certified User, Swift Certified Associate
    • Certiport – Critical Career Skills 
      Generative AI Foundations
    • Cisco Certified Support Technician 
      Networking
    • ITS (Information Technology Specialist)
      Python Programming, Artificial Intelligence, Data Analytics
    • Microsoft
      Querying Microsoft SQL Server 2012, Programming in HTML5 with JavaScript and CSS3
    • TQC+
      Mobile Device Application Design (Pro)

    技術專長

    • 醫學影像處理、自然語言處理、生成式人工智慧、提示工程（Prompt Engineering）、檢索增強生成（RAG）
    • 程式語言：Python（熟悉 PyTorch、TensorFlow）、C#、C/C++、R、Matlab
    • 網頁開發：HTML、CSS
    • 持續整合與版本控制：GitLab、Travis CI